摘要：可以看出，僅僅從布隆過濾器本身而言，根本沒有存放完整的數據，只是運用一系列隨機映射函數計算出位置，然后填充二進制向量。也就是說布隆過濾器只能判斷數據是否一定不存在，而無法判斷數據是否一定存在。我向布隆過濾器插入了，然后用來測試誤判率。

本文是站在小白的角度去討論布隆過濾器，如果你是科班出身，或者比較聰明，又或者真正想完全搞懂布隆過濾器的可以移步。

不知道從什么時候開始，本來默默無聞的布隆過濾器一下子名聲大燥，仿佛身在互聯網，做著開發的，無人不知，無人不曉，哪怕對技術不是很關心的小伙伴也聽過它的名號。我也花了不少時間去研究布隆過濾器，看了不少博客，無奈不是科班出身，又沒有那么聰明的頭腦，又比較懶...經過“放棄，拿起，放棄，拿起”的無限輪回，應該算是了解了布隆過濾器的核心思想，所以想給大家分享下。

我們先來看下布隆過濾器的應用場景，讓大家知道神奇的布隆過濾器到底能做什么。

緩存穿透

我們經常會把一部分數據放在Redis等緩存，比如產品詳情。這樣有查詢請求進來，我們可以根據產品Id直接去緩存中取數據，而不用讀取數據庫，這是提升性能最簡單，最普遍，也是最有效的做法。一般的查詢請求流程是這樣的：先查緩存，有緩存的話直接返回，如果緩存中沒有，再去數據庫查詢，然后再把數據庫取出來的數據放入緩存，一切看起來很美好。但是如果現在有大量請求進來，而且都在請求一個不存在的產品Id，會發生什么？既然產品Id都不存在，那么肯定沒有緩存，沒有緩存，那么大量的請求都懟到數據庫，數據庫的壓力一下子就上來了，還有可能把數據庫打死。 雖然有很多辦法都可以解決這問題，但是我們的主角是“布隆過濾器”，沒錯，“布隆過濾器”就可以解決（緩解）緩存穿透問題。至于為什么說是“緩解”，看下去你就明白了。

大量數據，判斷給定的是否在其中

現在有大量的數據，而這些數據的大小已經遠遠超出了服務器的內存，現在再給你一個數據，如何判斷給你的數據在不在其中。如果服務器的內存足夠大，那么用HashMap是一個不錯的解決方案，理論上的時間復雜度可以達到O(1)，但是現在數據的大小已經遠遠超出了服務器的內存，所以無法使用HashMap，這個時候就可以使用“布隆過濾器”來解決這個問題。但是還是同樣的，會有一定的“誤判率”。

布隆過濾器是一個叫“布隆”的人提出的，它本身是一個很長的二進制向量，既然是二進制的向量，那么顯而易見的，存放的不是0，就是1。

現在我們新建一個長度為16的布隆過濾器，默認值都是0，就像下面這樣：

現在需要添加一個數據：

我們通過某種計算方式，比如Hash1，計算出了Hash1(數據)=5，我們就把下標為5的格子改成1，就像下面這樣：

我們又通過某種計算方式，比如Hash2，計算出了Hash2(數據)=9，我們就把下標為9的格子改成1，就像下面這樣：

還是通過某種計算方式，比如Hash3，計算出了Hash3(數據)=2，我們就把下標為2的格子改成1，就像下面這樣：

這樣，剛才添加的數據就占據了布隆過濾器“5”，“9”，“2”三個格子。

可以看出，僅僅從布隆過濾器本身而言，根本沒有存放完整的數據，只是運用一系列隨機映射函數計算出位置，然后填充二進制向量。

這有什么用呢？比如現在再給你一個數據，你要判斷這個數據是否重復，你怎么做？

你只需利用上面的三種固定的計算方式，計算出這個數據占據哪些格子，然后看看這些格子里面放置的是否都是1，如果有一個格子不為1，那么就代表這個數字不在其中。這很好理解吧，比如現在又給你了剛才你添加進去的數據，你通過三種固定的計算方式，算出的結果肯定和上面的是一模一樣的，也是占據了布隆過濾器“5”，“9”，“2”三個格子。

但是有一個問題需要注意，如果這些格子里面放置的都是1，不一定代表給定的數據一定重復，也許其他數據經過三種固定的計算方式算出來的結果也是相同的。這也很好理解吧，比如我們需要判斷對象是否相等，是不可以僅僅判斷他們的哈希值是否相等的。

也就是說布隆過濾器只能判斷數據是否一定不存在，而無法判斷數據是否一定存在。

按理來說，介紹完了新增、查詢的流程，就要介紹刪除的流程了，但是很遺憾的是布隆過濾器是很難做到刪除數據的，為什么？你想想，比如你要刪除剛才給你的數據，你把“5”，“9”，“2”三個格子都改成了0，但是可能其他的數據也映射到了“5”，“9”，“2”三個格子啊，這不就亂套了嗎？

相信經過我這么一介紹，大家對布隆過濾器應該有一個淺顯的認識了，至少你應該清楚布隆過濾器的優缺點了：

優點：由于存放的不是完整的數據，所以占用的內存很少，而且新增，查詢速度夠快；

缺點： 隨著數據的增加，誤判率隨之增加；無法做到刪除數據；只能判斷數據是否一定不存在，而無法判斷數據是否一定存在。

可以看到，布隆過濾器的優點和缺點一樣明顯。

在上文中，我舉的例子二進制向量長度為16，由三個隨機映射函數計算位置，在實際開發中，如果你要添加大量的數據，僅僅16位是遠遠不夠的，為了讓誤判率降低，我們還可以用更多的隨機映射函數、更長的二進制向量去計算位置。

現在相信你對布隆過濾器應該有一個比較感性的認識了，布隆過濾器核心思想其實并不難，難的在于如何設計隨機映射函數，到底映射幾次，二進制向量的長度設置為多少比較好，這可能就不是一般的開發可以駕馭的了，好在Google大佬給我們提供了開箱即用的組件，來幫助我們實現布隆過濾器，現在就讓我們看看怎么Google大佬送給我們的“禮物”吧。

首先在pom引入“禮物”：

        
            com.google.guava
            guava
            19.0
        

然后就可以測試啦：

    private static int size = 1000000;//預計要插入多少數據

    private static double fpp = 0.01;//期望的誤判率

    private static BloomFilter bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, fpp);

    public static void main(String[] args) {
        //插入數據
        for (int i = 0; i < 1000000; i++) {
            bloomFilter.put(i);
        }
        int count = 0;
        for (int i = 1000000; i < 2000000; i++) {
            if (bloomFilter.mightContain(i)) {
                count++;
                System.out.println(i + "誤判了");
            }
        }
        System.out.println("總共的誤判數:" + count);
    }

代碼簡單分析： 我們定義了一個布隆過濾器，有兩個重要的參數，分別是 我們預計要插入多少數據，我們所期望的誤判率，誤判率不能為0。 我向布隆過濾器插入了0-1000000，然后用1000000-2000000來測試誤判率。

運行結果：

1999501誤判了
1999567誤判了
1999640誤判了
1999697誤判了
1999827誤判了
1999942誤判了
總共的誤判數:10314

現在總共有100萬數據是不存在的，誤判了10314次，我們計算下誤判率

redis實現布隆過濾器

上面使用guava實現布隆過濾器是把數據放在本地內存中，無法實現布隆過濾器的共享，我們還可以把數據放在redis中，用 redis來實現布隆過濾器，我們要使用的數據結構是bitmap，你可能會有疑問，redis支持五種數據結構：String，List，Hash，Set，ZSet，沒有bitmap呀。沒錯，實際上bitmap的本質還是String。

可能有小伙伴會說，納尼，布隆過濾器還沒介紹完，怎么又出來一個bitmap，沒事，你可以把bitmap就理解為一個二進制向量。

要用redis來實現布隆過濾器，我們需要自己設計映射函數，自己度量二進制向量的長度，這對我來說，無疑是一個不可能完成的任務，只能借助搜索引擎，下面直接放出代碼把。

public class RedisMain {
    static final int expectedInsertions = 100;//要插入多少數據
    static final double fpp = 0.01;//期望的誤判率

    //bit數組長度
    private static long numBits;

    //hash函數數量
    private static int numHashFunctions;

    static {
        numBits = optimalNumOfBits(expectedInsertions, fpp);
        numHashFunctions = optimalNumOfHashFunctions(expectedInsertions, numBits);
    }

    public static void main(String[] args) {
        Jedis jedis = new Jedis("192.168.0.109", 6379);
        for (int i = 0; i < 100; i++) {
            long[] indexs = getIndexs(String.valueOf(i));
            for (long index : indexs) {
                jedis.setbit("codebear:bloom", index, true);
            }
        }
        for (int i = 0; i < 100; i++) {
            long[] indexs = getIndexs(String.valueOf(i));
            for (long index : indexs) {
                Boolean isContain = jedis.getbit("codebear:bloom", index);
                if (!isContain) {
                    System.out.println(i + "肯定沒有重復");
                }
            }
            System.out.println(i + "可能重復");
        }
    }

    /**
     * 根據key獲取bitmap下標
     */
    private static long[] getIndexs(String key) {
        long hash1 = hash(key);
        long hash2 = hash1 >>> 16;
        long[] result = new long[numHashFunctions];
        for (int i = 0; i < numHashFunctions; i++) {
            long combinedHash = hash1 + i * hash2;
            if (combinedHash < 0) {
                combinedHash = ~combinedHash;
            }
            result[i] = combinedHash % numBits;
        }
        return result;
    }

    private static long hash(String key) {
        Charset charset = Charset.forName("UTF-8");
        return Hashing.murmur3_128().hashObject(key, Funnels.stringFunnel(charset)).asLong();
    }

    //計算hash函數個數
    private static int optimalNumOfHashFunctions(long n, long m) {
        return Math.max(1, (int) Math.round((double) m / n * Math.log(2)));
    }

    //計算bit數組長度
    private 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)));
    }
}

運行結果：

88可能重復
89可能重復
90可能重復
91可能重復
92可能重復
93可能重復
94可能重復
95可能重復
96可能重復
97可能重復
98可能重復
99可能重復

本篇博客到這里就結束了，謝謝大家。