06——布隆过滤器BloomFilter

一、是什么

由一个初始值都为零的bit数组和多个哈希函数构成，用来快速判断集合中是否存在某个元素

设计思想：

1. 目的：减少内存占用
1. 方式：不保存数据信息，只是在内存中做一个是否存在的标记flag
1. 本质：判断具体数据是否在一个大的集合中

备注：布隆过滤器时一种类似set的数据结构，只是统计结果在巨量数据下有 小瑕疵，不够完美

二、能干嘛

1. 高效地插入和查询，占用空间少，返回的结果是不确定性+不够完美(哈希冲突)。
2. 重点：一个元素如果判断结果：存在时，元素不一定存在，但是判断结果不存在时，则一定不存在。
3. 布隆过滤器可以添加元素，但是不能删除元素，由于涉及hascode判断依据，删除元素会导致误判率增加。
4. 总结：
   1. 有：可能有
   2. 无：一定无

三、原理

1. 布隆过滤器实现原理和数据结构

   

   添加key与查询key

   

   hash冲突导致数据不准确

   

   查询某个变量的时候，只需要看看这些点是不是都是1，就可以大概率知道集合中是否存在了。

   如果这些点，有任何一个为零，则查询的key一定不存在。

   如果全部是1，则被查询的key很大概率存在。（因为使用的hash散列函数，会有碰撞冲突）

   正是基于布隆过滤器的快速检测特性，我们可以在把数据写入数据库时，使用布隆过滤器做个标记。当缓存缺失后，应用查询数据库时，可以通过查询布隆过滤器快速判断数据是否存在。如果不存在，就不用再去数据库中查询了。这样一来，即使发生缓存穿透了，大量请求只会查询Rdis和布隆过滤器，而不会积压到数据库，也就不会影响数据库的正常运行。布隆过滤器可以使用Rdis实现，本身就能承担较大的并发访问压边。

   hash函数冲突

   

   

2. 使用步骤

   1. 初始化bitmap

   2. 添加元素占坑位

      

   3. 判断元素是否存在

      

3. 布隆过滤器误判率，为什么不要删除

   布隆过滤器的误判是指多个输入经过哈希之后在相同的t位置1了，这样就无法判断究竞是哪个输入产生的，因此误判的根源在于相同的bt位被多次映射且置1。

   这种情况也造成了布隆过滤器的删除问题，因为布隆过滤器的每一个bt并不是独占的，很有可能多个元素共享了某一位。

   如果我们直接删除这一位的话，会影响其他的元素

   特性：布隆过滤器可以添加元素，但是不能删除元素。因为删掉元素会导致误判率增加。

4. 总结

   1. 有：很可能有
   2. 无：一定无

   使用时最好不要让实际元素数量远大于初始化数量，一次给够，避免扩容

   当实际元素数量超过初始化数量时，应该对布隆过滤器进行重建，重新分配一个size更大的过滤器，再将所有的历史元素批量add。

四、使用场景

1. 解决缓存穿透的问题，和redis结合bitmap使用

   

   

2. 黑名单校验，识别垃圾邮件

   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-t4q2Ghs9-1692427437178)(/Users/coder/Library/Application Support/typora-user-images/image-20230313224905294.png)]

3. 安全连接网址，全球数10亿的网址判断

五、尝试手写布隆过滤器

1. 整体架构

   

2. 步骤设计

   redis的setbit和getbit

   

   setBit的构建过程

   1. 初始化白名单
   2. 计算元素的hash值
   3. 通过hash值计算对应二进制数组的坑位
   4. 将对应坑位的值修改为1，表示存在

   getBit查询是否存在

   1. 计算元素的hash值
   2. 通过hash值计算对应二进制数组的坑位
   3. 查看数组中对应位置上的值

3. 编码实现

4. 案例

六、布隆过滤器优缺点

1. 优点：高效地插入和查询，内存占用bit空间少
2. 缺点：
   1. 不能删除元素，因为存在哈希冲突，删除元素可能把其他元素的标志删除
   2. 存在误判，不能精准过滤

七、布谷鸟过滤器