为什么

就当前互联网环境来说，头部的互联网生态越来越往高并发、分布式的形态发展。举例来说，各大网页的黑名单系统，爬虫的重复率判断。这些场景越来越多。

举例来说，实时状态下可能会对超过百亿级别的 URL 需要进行判断是否符合规范或者存在于系统中，能否正常使用。

通常情况下，每个 URL 的大小为 64B（字节），那么就按照100亿的 URL 数量来看，大概需要640GB的内存容量【】，对于当前线上服务器来说，… 这个值依然还是很大的！但如果利用布隆过滤器的优势，在没有失误率的情况下只需要100亿个比特，即：1.2GB，即使为了降低失误率，也不会超过几十GB的空间【失误率后面会谈到】

布隆过滤器的主要作用：判断一个元素是否在集合中

这样的场景会有很多。会去判断，要查询的元素是否存在于集合当中。【该网站是否允许该用户登录、该网站共是否接受这样的 url 请求】
通常在查询的时候，一般会先从 cache 中进行查询，如果没有的话会直接到磁盘或者数据库查询，这样的方式看起来很合理，但是如果在中间再加一层布隆顾虑器，这样就会更加合理了！为什么？

假设要查询的一个元素，而该元素不存在

如果没有 BloomFilter，从cache中查询完就会直接到数据库做查询了，这样带来的现象是“慢”，毕竟从库中查耗时是比较长的，很大程度上对服务的性能产生影响。
中间存在 BloomFilter，从cache中查询完就会首先查询 BloomFilter，就会发现该元素不存在，就可以不往后面进行查询了，而 BloomFilter 的性能是极其优越的。这样，对于机器或者说服务性能避免了很大不必要的消耗。

是什么

Bloom Filter是一种是一种空间效率高的概率型数据结构，专门用于判断某个元素是否存在于一个超大集合。集合载体是由01组成的向量图(bitMap)，载体索引位置由一系列随机哈希函数计算而出。

判断规则：通过多个hash算法，为数据算出多个在bitmap中的索引位置，并将这多个索引位置的值都置为1。后续如果判断数据是否存在时，也判断这多个索引位的值是否都为1。如果都为1，则存在，有一个不为1，就说明不存在。

布隆过滤器用于检索一个元素是否存在于一个集合中，他的优点是空间占用和查询效率都比一般的算法好太多。并且因为布隆过滤器只存储01而不是具体的原值，在某些保密场合具有先天的优势。

bitmap的每一位都是一个bit，那么通过bitmap来存在10亿个位置，bitmap的大小为10亿/8/1024/1024 = 0.12G插入、查询的时间复杂度都是O(k)，k为hash函数数量

布隆过滤器的缺点也相当明显：那就是他的准确率受制于他的算法限制，只能判断一个元素一定不存在于该集合，因为hash函数的碰撞，有些元素的所有hash下标位置和海量元素的共同hash计算下标位置结果相同而重置了所有位置，导致该元素不存在于该集合却误判为存在。

1、增大位图数组的大小（位图数组越大，占用的内存越大），减少hash碰撞
2、增加哈希函数的次数，而减少哈希碰撞：同一个key值经过1个函数相等了，那么经过2个或者更多个哈希函数的计算，都得到相等结果的概率就自然会降低了。

需要注意的是办法1会增加内存空间，而办法二会影响计算效率，因为时间复杂度为O（hash次数）

布隆过滤器的缺点二是：不能很轻易的删除掉元素

因为布隆过滤器的特性我知道，它们的下标位置计算可能是重复的，所以在删除下标位置的时候必须保证
该位置为该元素独享。而我们也可以把位列图转变为整数数组，每次下标的时候计算器+1，在删除一个元素
时在进行相应的扣减。但是我们必须保证这个元素是一定存在于这个集合中的，而布隆过滤器不能验证这点。

怎么用

java

引入google的Guava

        <dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>22.0</version></dependency>

java

import com.google.common.base.Charsets;
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;public class GuavaBloomFilter {public static void main(String[] args) {// 总数量int total = 1000000;// 默认误判率fpp0.03//fpp:因为布隆过滤器中总是会存在误判率，因为哈希碰撞是不可能百分百避免的。布隆过滤器对这种误判率称之为假阳性概率，即：False Positive Probability，简称为fpp。BloomFilter<CharSequence> bf = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), total);// 初始化 total 条数据到过滤器中for (int i = 0; i < total; i++) {bf.put("" + i);}// 判断值是否存在过滤器中int count = 0;for (int i = 0; i < total + 10000; i++) {if (bf.mightContain("" + i)) {count++;}}System.out.println("已匹配数量 " + count);// (1000309 - 1000000)/(1000000 + 10000) * 100 ≈ 0.030594059405940593//指定误判率：万分之一，提高匹配精度BloomFilter<CharSequence> bfWithFpp = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), total, 0.0001);for (int i = 0; i < total; i++) {bfWithFpp.put("" + i);}int countFpp = 0;for (int i = 0; i < total + 10000; i++) {if (bfWithFpp.mightContain("" + i)) {countFpp++;}}//误判率 fpp 的值越小，匹配的精度越高。当减少误判率 fpp 的值，需要的存储空间也越大，所以在实际使用过程中需要在误判率和存储空间之间做个权衡。System.out.println("指定误判率已匹配数量 " + countFpp);// (1000001 - 1000000)/(1000000 + 10000) * 100 ≈ 0.0001}
}

fpp：
因为布隆过滤器中总是会存在误判率，因为哈希碰撞是不可能百分百避免的。布隆过滤器对这种误判率称之为假阳性概率，即：False Positive Probability，简称为fpp。

redis上的布隆过滤器(rebloom)

下载

git clone git://github.com/RedisLabsModules/rebloom
cd rebloom
make

redis.conf配置文件中配置reloom文件下的rebloom.so 路径：loadmodule /path/rebloom.so
重启redis，操作rebloom

[root@mysql01 ~]# redis-cli
127.0.0.1:6379> BF.add myBloom 1
127.0.0.1:6379> BF.add myBloom 2
127.0.0.1:6379> BF.exists myBloom 1

布隆过滤器（Bloom Filter）相关推荐

mysql布隆过滤器源码_布隆过滤器(Bloom Filter)的原理和实现
什么情况下需要布隆过滤器? 先来看几个比较常见的例子字处理软件中,需要检查一个英语单词是否拼写正确在 FBI,一个嫌疑人的名字是否已经在嫌疑名单上在网络爬虫里,一个网址是否被访问过 yahoo, ...
布隆过滤器+布隆过滤器(Bloom Filter)详解
布隆过滤器+布隆过滤器(Bloom Filter)详解程序 = 数据结构 + 算法 -- 图灵奖得主,计算机科学家N.Wirth(沃斯) A Bloom filter is a space effi ...
js 数组实现完全树_Flink实例（六十八）：布隆过滤器(Bloom Filter)的原理和实现 - 秋华...
什么情况下需要布隆过滤器? 先来看几个比较常见的例子字处理软件中,需要检查一个英语单词是否拼写正确在 FBI,一个嫌疑人的名字是否已经在嫌疑名单上在网络爬虫里,一个网址是否被访问过 yahoo, ...
Redis缓存穿透“新杀招“:布隆过滤器Bloom Filter
场景分析这篇文章来讲述缓存穿透的补充解决方案. 为什么要用补充来形容呢? 在之前的文章中,我们提到缓存穿透的解决方案时,我是这么说的: 关于缓存穿透,我们可以在用户访问数据库后将null值存入Red ...
布隆过滤器速度_布隆过滤器(Bloom Filter)详解
布隆过滤器［1］(Bloom Filter)是由布隆(Burton Howard Bloom)在1970年提出的.它实际上是由一个很长的二进制向量和一系列随机映射函数组成,布隆过滤器可以用于检索一个元 ...
布隆过滤器(Bloom Filter)详解——基于多hash的概率查找思想
转自:http://www.cnblogs.com/haippy/archive/2012/07/13/2590351.html 布隆过滤器［1］(Bloom Filter)是由布隆(Burton ...
布隆过滤器(Bloom Filter)原理及优缺点剖析
直观的说,bloom算法类似一个hash set,用来判断某个元素(key)是否在某个集合中. 和一般的hash set不同的是,这个算法无需存储key的值,对于每个key,只需要k个比特位,每个存储 ...
布隆过滤器Bloom Filter简介
背景: 如果在平时我们要判断一个元素是否在一个集合中,通常会采用查找比较的方法,下面分析不同的数据结构查找效率: 采用线性表存储,查找时间复杂度为O(N) 采用平衡二叉排序树(AVL.红黑树)存储,查 ...
布隆过滤器(Bloom Filter)的原理和实现
布隆过滤器使用场景之前在<数学之美>里面看到过布隆过滤器的介绍.那么什么场景下面需要使用布隆过滤器呢? 看下下面几个问题字处理软件中,需要检查一个英语单词是否拼写正确在 FBI,一个 ...
布隆过滤器 Bloom Filter
目录一前言二布隆过滤器三 Redis实现四 Guava实现五扩展知识点一前言假如有一个15亿用户的系统,每天有几亿用户访问系统,要如何快速判断是否为系统中的用户呢? 方法一,将1 ...

布隆过滤器（Bloom Filter）

为什么

是什么

怎么用

java

redis上的布隆过滤器(rebloom)

布隆过滤器（Bloom Filter）相关推荐

最新文章

热门文章