1. 布隆过滤器的概念

布隆过滤器(Bloom Filter) 是由 Howard Bloom在1970年提出的二进制向量数据结构，它具有很好的空间和时间效率，被用来检测一个元素是不是集合中的一个成员，即判定 “可能已存在和绝对不存在” 两种情况。如果检测结果为是，该元素不一定在集合中；但如果检测结果为否，该元素一定不在集合中,因此Bloom filter具有100%的召回率。

2. 布隆过滤器应用场景

垃圾邮件过滤

防止缓存击穿

比特币交易查询

爬虫的URL过滤

IP黑名单

查询加速【比如基于KV结构的数据】

集合元素重复的判断

3. 布隆过滤器工作原理

布隆过滤器的核心是一个超大的位数组和几个哈希函数。假设位数组的长度为m,哈希函数的个数为k。

下图表示有三个hash函数，比如一个集合中有x，y，z三个元素，分别用三个hash函数映射到二进制序列的某些位上，假设我们判断w是否在集合中，同样用三个hash函数来映射，结果发现取得的结果不全为1，则表示w不在集合里面。

工作流程:

第一步：开辟空间：

开辟一个长度为m的位数组(或者称二进制向量)，这个不同的语言有不同的实现方式，甚至你可以用文件来实现。

第二步：寻找hash函数

获取几个hash函数，前辈们已经发明了很多运行良好的hash函数，比如BKDRHash，JSHash，RSHash等等。这些hash函数我们直接获取就可以了。

第三步：写入数据

将所需要判断的内容经过这些hash函数计算，得到几个值，比如用3个hash函数，得到值分别是1000，2000，3000。之后设置m位数组的第1000，2000，3000位的值位二进制1。

第四步：判断

接下来就可以判断一个新的内容是不是在我们的集合中。判断的流程和写入的流程是一致的。

4. 布隆过滤器的优缺点

1、优点：

有很好的空间和时间效率

存储空间和插入/查询时间都是常数。

Hash函数相互之间没有关系，方便由硬件并行实现。

不需要存储元素本身，在某些对保密要求非常严格的场合有优势。

布隆过滤器可以表示全集，其它任何数据结构都不能。

2、缺点：

误判率会随元素的增加而增加

不能从布隆过滤器中删除元素

5. 布隆过滤器注意事项

布隆过滤器思路比较简单，但是对于布隆过滤器的随机映射函数设计，需要计算几次，向量长度设置为多少比较合适，这个才是需要认真讨论的。

如果向量长度太短，会导致误判率直线上升。

如果向量太长，会浪费大量内存。

如果计算次数过多，会占用计算资源，且很容易很快就把过滤器填满。

6. Go实现布隆过滤器

1. 开源包简单演示

package main

import (

"fmt"

"github.com/willf/bitset"

"math/rand"

)

func main() {

Foo()

bar()

}

func Foo() {

var b bitset.BitSet // 定义一个BitSet对象

b.Set(1).Set(2).Set(3) //添加3个元素

if b.Test(2) {

fmt.Println("2已经存在")

}

fmt.Println("总数：", b.Count())

b.Clear(2)

if !b.Test(2) {

fmt.Println("2不存在")

}

fmt.Println("总数：", b.Count())

}

func bar() {

fmt.Printf("Hello from BitSet!n")

var b bitset.BitSet

// play some Go Fish

for i := 0; i < 100; i++ {

card1 := uint(rand.Intn(52))

card2 := uint(rand.Intn(52))

b.Set(card1)

if b.Test(card2) {

fmt.Println("Go Fish!")

}

b.Clear(card1)

}

// Chaining

b.Set(10).Set(11)

for i, e := b.NextSet(0); e; i, e = b.NextSet(i + 1) {

fmt.Println("The following bit is set:", i)

}

// 交集

if b.Intersection(bitset.New(100).Set(10)).Count() == 1 {

fmt.Println("Intersection works.")

} else {

fmt.Println("Intersection doesn't work???")

}

}

2. 封装的方法：

//----------------------------------------------------------------------------

// @ Copyright (C) free license,without warranty of any kind .

// @ Author: hollson

// @ Date: 2019-12-06

// @ Version: 1.0.0

//------------------------------------------------------------------------------

package bloomx

import "github.com/willf/bitset"

const DEFAULT_SIZE = 2<<24

var seeds = []uint{7, 11, 13, 31, 37, 61}

type BloomFilter struct {

Set *bitset.BitSet

Funcs [6]SimpleHash

}

func NewBloomFilter() *BloomFilter {

bf := new(BloomFilter)

for i:=0;i< len(bf.Funcs);i++{

bf.Funcs[i] = SimpleHash{DEFAULT_SIZE,seeds[i]}

}

bf.Set = bitset.New(DEFAULT_SIZE)

return bf

}

func (bf BloomFilter) Add(value string){

for _,f:=range(bf.Funcs){

bf.Set.Set(f.hash(value))

}

}

func (bf BloomFilter) Contains(value string) bool {

if value == "" {

return false

}

ret := true

for _,f:=range(bf.Funcs){

ret = ret && bf.Set.Test(f.hash(value))

}

return ret

}

type SimpleHash struct{

Cap uint

Seed uint

}

func (s SimpleHash) hash(value string) uint{

var result uint = 0

for i:=0;i< len(value);i++{

result = result*s.Seed+uint(value[i])

}

return (s.Cap-1)&result

}

func main() {

filter := bloomx.NewBloomFilter()

fmt.Println(filter.Funcs[1].Seed)

str1 := "hello,bloom filter!"

filter.Add(str1)

str2 := "A happy day"

filter.Add(str2)

str3 := "Greate wall"

filter.Add(str3)

fmt.Println(filter.Set.Count())

fmt.Println(filter.Contains(str1))

fmt.Println(filter.Contains(str2))

fmt.Println(filter.Contains(str3))

fmt.Println(filter.Contains("blockchain technology"))

}

参考：

推荐：https://www.cnblogs.com/z941030/p/9218356.html

https://www.jianshu.com/p/01309d298a0e

https://www.cnblogs.com/zengdan-develpoer/p/4425167.html

https://blog.csdn.net/liuzhijun301/article/details/83040178

https://github.com/willf/bloom