-
何爲布隆過濾器
-
還是以上面的例子爲例：
-
判斷邏輯：
-
多次哈希：
-
-
Guava的BloomFilter
-
創建BloomFilter
-
最終還是調用：
-
使用:
-
-
算法特點
-
使用場景
假設遇到這樣一個問題：一個網站有 20 億 url 存在一個黑名單中，這個黑名單要怎麼存？若此時隨便輸入一個 url，你如何快速判斷該 url 是否在這個黑名單中？並且需在給定內存空間（比如：500M）內快速判斷出。
可能很多人首先想到的會是使用 HashSet，因爲 HashSet基於 HashMap，理論上時間複雜度爲：O(1)。達到了快速的目的，但是空間複雜度呢？URL字符串通過Hash得到一個Integer的值，Integer佔4個字節，那20億個URL理論上需要：20億*4/1024/1024/1024=7.45G的內存，不滿足空間複雜度的要求。
這裏就引出本文要介紹的“布隆過濾器”。
何爲布隆過濾器
百科上對布隆過濾器的介紹是這樣的：
布隆過濾器（Bloom Filter）是1970年由布隆提出的。它實際上是一個很長的二進制向量和一系列隨機映射函數。布隆過濾器可以用於檢索一個元素是否在一個集合中。它的優點是空間效率和查詢時間都比一般的算法要好的多，缺點是有一定的誤識別率和刪除困難。
是不是描述的比較抽象？那就直接瞭解其原理吧！
還是以上面的例子爲例：
哈希算法得出的Integer的哈希值最大爲：Integer.MAX_VALUE=2147483647，意思就是任何一個URL的哈希都會在0~2147483647之間。
那麼可以定義一個2147483647長度的byte數組，用來存儲集合所有可能的值。爲了存儲這個byte數組，系統只需要：2147483647/8/1024/1024=256M。
比如：某個URL（X）的哈希是2，那麼落到這個byte數組在第二位上就是1，這個byte數組將是：000….00000010，重複的，將這20億個數全部哈希並落到byte數組中。
判斷邏輯：
如果byte數組上的第二位是1，那麼這個URL（X）可能存在。爲什麼是可能？因爲有可能其它URL因哈希碰撞哈希出來的也是2，這就是誤判。
但是如果這個byte數組上的第二位是0，那麼這個URL（X）就一定不存在集合中。
多次哈希：
爲了減少因哈希碰撞導致的誤判概率，可以對這個URL（X）用不同的哈希算法進行N次哈希，得出N個哈希值，落到這個byte數組上，如果這N個位置沒有都爲1，那麼這個URL（X）就一定不存在集合中。
Guava的BloomFilter
Guava框架提供了布隆過濾器的具體實現：BloomFilter，使得開發不用再自己寫一套算法的實現。
創建BloomFilter
BloomFilter提供了幾個重載的靜態 create方法來創建實例：
public static <T> BloomFilter<T> create(Funnel<? super T> funnel, int expectedInsertions, double fpp);
public static <T> BloomFilter<T> create(Funnel<? super T> funnel, long expectedInsertions, double fpp);
public static <T> BloomFilter<T> create(Funnel<? super T> funnel, int expectedInsertions);
public static <T> BloomFilter<T> create(Funnel<? super T> funnel, long expectedInsertions);
最終還是調用：
static <T> BloomFilter<T> create(Funnel<? super T> funnel, long expectedInsertions, double fpp, Strategy strategy);
// 參數含義：
// funnel 指定布隆過濾器中存的是什麼類型的數據，有：IntegerFunnel，LongFunnel，StringCharsetFunnel。
// expectedInsertions 預期需要存儲的數據量
// fpp 誤判率，默認是0.03。
BloomFilter裏byte數組的空間大小由 expectedInsertions， fpp參數決定，見方法：
static long optimalNumOfBits(long n, double p) {
if (p == 0) {
p = Double.MIN_VALUE;
}
return (long) (-n * Math.log(p) / (Math.log(2) * Math.log(2)));
}
真正的byte數組維護在類：BitArray中。
使用:
最後通過：put和 mightContain方法，添加元素和判斷元素是否存在。
算法特點
1、因使用哈希判斷，時間效率很高。空間效率也是其一大優勢。2、有誤判的可能，需針對具體場景使用。3、因爲無法分辨哈希碰撞，所以不是很好做刪除操作。
使用場景
1、黑名單 2、URL去重 3、單詞拼寫檢查 4、Key-Value緩存系統的Key校驗 5、ID校驗，比如訂單系統查詢某個訂單ID是否存在，如果不存在就直接返回。