Skip to content
JavaGuideJavaGuide
面试指南
优质专栏
项目精选
书籍精选
旧版链接open in new window
RSS订阅open in new window
关于作者
github icon
      • 线性数据结构 :数组、链表、栈、队列
        • 图
          • 堆
            • 树
              • 红黑树
                • 布隆过滤器
                  • 什么是布隆过滤器?
                    • 布隆过滤器的原理介绍
                      • 布隆过滤器使用场景
                        • 编码实战
                          • 通过 Java 编程手动实现布隆过滤器
                            • 利用 Google 开源的 Guava 中自带的布隆过滤器
                            • Redis 中的布隆过滤器
                              • 介绍
                                • 使用 Docker 安装
                                  • 常用命令一览
                                    • 实际使用

                              布隆过滤器

                              author iconGuidecategory icon
                              • 计算机基础
                              tag icon
                              • 数据结构
                              calendar icon2021年8月23日word icon约 2904 字

                              此页内容
                              • 什么是布隆过滤器?
                              • 布隆过滤器的原理介绍
                              • 布隆过滤器使用场景
                              • 编码实战
                                • 通过 Java 编程手动实现布隆过滤器
                                • 利用 Google 开源的 Guava 中自带的布隆过滤器
                              • Redis 中的布隆过滤器
                                • 介绍
                                • 使用 Docker 安装
                                • 常用命令一览
                                • 实际使用

                              # 布隆过滤器

                              海量数据处理以及缓存穿透这两个场景让我认识了 布隆过滤器 ,我查阅了一些资料来了解它,但是很多现成资料并不满足我的需求,所以就决定自己总结一篇关于布隆过滤器的文章。希望通过这篇文章让更多人了解布隆过滤器,并且会实际去使用它!

                              下面我们将分为几个方面来介绍布隆过滤器:

                              1. 什么是布隆过滤器?
                              2. 布隆过滤器的原理介绍。
                              3. 布隆过滤器使用场景。
                              4. 通过 Java 编程手动实现布隆过滤器。
                              5. 利用 Google 开源的 Guava 中自带的布隆过滤器。
                              6. Redis 中的布隆过滤器。

                              # 什么是布隆过滤器?

                              首先,我们需要了解布隆过滤器的概念。

                              布隆过滤器(Bloom Filter)是一个叫做 Bloom 的老哥于 1970 年提出的。我们可以把它看作由二进制向量(或者说位数组)和一系列随机映射函数(哈希函数)两部分组成的数据结构。相比于我们平时常用的的 List、Map 、Set 等数据结构,它占用空间更少并且效率更高,但是缺点是其返回的结果是概率性的,而不是非常准确的。理论情况下添加到集合中的元素越多,误报的可能性就越大。并且,存放在布隆过滤器的数据不容易删除。

                              布隆过滤器示意图

                              位数组中的每个元素都只占用 1 bit ,并且每个元素只能是 0 或者 1。这样申请一个 100w 个元素的位数组只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空间。

                              总结:一个名叫 Bloom 的人提出了一种来检索元素是否在给定大集合中的数据结构,这种数据结构是高效且性能很好的,但缺点是具有一定的错误识别率和删除难度。并且,理论情况下,添加到集合中的元素越多,误报的可能性就越大。

                              # 布隆过滤器的原理介绍

                              当一个元素加入布隆过滤器中的时候,会进行如下操作:

                              1. 使用布隆过滤器中的哈希函数对元素值进行计算,得到哈希值(有几个哈希函数得到几个哈希值)。
                              2. 根据得到的哈希值,在位数组中把对应下标的值置为 1。

                              当我们需要判断一个元素是否存在于布隆过滤器的时候,会进行如下操作:

                              1. 对给定元素再次进行相同的哈希计算;
                              2. 得到值之后判断位数组中的每个元素是否都为 1,如果值都为 1,那么说明这个值在布隆过滤器中,如果存在一个值不为 1,说明该元素不在布隆过滤器中。

                              举个简单的例子:

                              布隆过滤器hash计算

                              如图所示,当字符串存储要加入到布隆过滤器中时,该字符串首先由多个哈希函数生成不同的哈希值,然后将对应的位数组的下标设置为 1(当位数组初始化时,所有位置均为 0)。当第二次存储相同字符串时,因为先前的对应位置已设置为 1,所以很容易知道此值已经存在(去重非常方便)。

                              如果我们需要判断某个字符串是否在布隆过滤器中时,只需要对给定字符串再次进行相同的哈希计算,得到值之后判断位数组中的每个元素是否都为 1,如果值都为 1,那么说明这个值在布隆过滤器中,如果存在一个值不为 1,说明该元素不在布隆过滤器中。

                              不同的字符串可能哈希出来的位置相同,这种情况我们可以适当增加位数组大小或者调整我们的哈希函数。

                              综上,我们可以得出:布隆过滤器说某个元素存在,小概率会误判。布隆过滤器说某个元素不在,那么这个元素一定不在。

                              # 布隆过滤器使用场景

                              1. 判断给定数据是否存在:比如判断一个数字是否存在于包含大量数字的数字集中(数字集很大,5 亿以上!)、 防止缓存穿透(判断请求的数据是否有效避免直接绕过缓存请求数据库)等等、邮箱的垃圾邮件过滤、黑名单功能等等。
                              2. 去重:比如爬给定网址的时候对已经爬取过的 URL 去重。

                              # 编码实战

                              # 通过 Java 编程手动实现布隆过滤器

                              我们上面已经说了布隆过滤器的原理,知道了布隆过滤器的原理之后就可以自己手动实现一个了。

                              如果你想要手动实现一个的话,你需要:

                              1. 一个合适大小的位数组保存数据
                              2. 几个不同的哈希函数
                              3. 添加元素到位数组(布隆过滤器)的方法实现
                              4. 判断给定元素是否存在于位数组(布隆过滤器)的方法实现。

                              下面给出一个我觉得写的还算不错的代码(参考网上已有代码改进得到,对于所有类型对象皆适用):

                              import java.util.BitSet;
                              
                              public class MyBloomFilter {
                              
                                  /**
                                   * 位数组的大小
                                   */
                                  private static final int DEFAULT_SIZE = 2 << 24;
                                  /**
                                   * 通过这个数组可以创建 6 个不同的哈希函数
                                   */
                                  private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};
                              
                                  /**
                                   * 位数组。数组中的元素只能是 0 或者 1
                                   */
                                  private BitSet bits = new BitSet(DEFAULT_SIZE);
                              
                                  /**
                                   * 存放包含 hash 函数的类的数组
                                   */
                                  private SimpleHash[] func = new SimpleHash[SEEDS.length];
                              
                                  /**
                                   * 初始化多个包含 hash 函数的类的数组,每个类中的 hash 函数都不一样
                                   */
                                  public MyBloomFilter() {
                                      // 初始化多个不同的 Hash 函数
                                      for (int i = 0; i < SEEDS.length; i++) {
                                          func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
                                      }
                                  }
                              
                                  /**
                                   * 添加元素到位数组
                                   */
                                  public void add(Object value) {
                                      for (SimpleHash f : func) {
                                          bits.set(f.hash(value), true);
                                      }
                                  }
                              
                                  /**
                                   * 判断指定元素是否存在于位数组
                                   */
                                  public boolean contains(Object value) {
                                      boolean ret = true;
                                      for (SimpleHash f : func) {
                                          ret = ret && bits.get(f.hash(value));
                                      }
                                      return ret;
                                  }
                              
                                  /**
                                   * 静态内部类。用于 hash 操作!
                                   */
                                  public static class SimpleHash {
                              
                                      private int cap;
                                      private int seed;
                              
                                      public SimpleHash(int cap, int seed) {
                                          this.cap = cap;
                                          this.seed = seed;
                                      }
                              
                                      /**
                                       * 计算 hash 值
                                       */
                                      public int hash(Object value) {
                                          int h;
                                          return (value == null) ? 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));
                                      }
                              
                                  }
                              }
                              
                              1
                              2
                              3
                              4
                              5
                              6
                              7
                              8
                              9
                              10
                              11
                              12
                              13
                              14
                              15
                              16
                              17
                              18
                              19
                              20
                              21
                              22
                              23
                              24
                              25
                              26
                              27
                              28
                              29
                              30
                              31
                              32
                              33
                              34
                              35
                              36
                              37
                              38
                              39
                              40
                              41
                              42
                              43
                              44
                              45
                              46
                              47
                              48
                              49
                              50
                              51
                              52
                              53
                              54
                              55
                              56
                              57
                              58
                              59
                              60
                              61
                              62
                              63
                              64
                              65
                              66
                              67
                              68
                              69
                              70
                              71
                              72
                              73
                              74
                              75
                              76

                              测试:

                              String value1 = "https://javaguide.cn/";
                              String value2 = "https://github.com/Snailclimb";
                              MyBloomFilter filter = new MyBloomFilter();
                              System.out.println(filter.contains(value1));
                              System.out.println(filter.contains(value2));
                              filter.add(value1);
                              filter.add(value2);
                              System.out.println(filter.contains(value1));
                              System.out.println(filter.contains(value2));
                              
                              1
                              2
                              3
                              4
                              5
                              6
                              7
                              8
                              9

                              Output:

                              false
                              false
                              true
                              true
                              
                              1
                              2
                              3
                              4

                              测试:

                              Integer value1 = 13423;
                              Integer value2 = 22131;
                              MyBloomFilter filter = new MyBloomFilter();
                              System.out.println(filter.contains(value1));
                              System.out.println(filter.contains(value2));
                              filter.add(value1);
                              filter.add(value2);
                              System.out.println(filter.contains(value1));
                              System.out.println(filter.contains(value2));
                              
                              1
                              2
                              3
                              4
                              5
                              6
                              7
                              8
                              9

                              Output:

                              false
                              false
                              true
                              true
                              
                              1
                              2
                              3
                              4

                              # 利用 Google 开源的 Guava 中自带的布隆过滤器

                              自己实现的目的主要是为了让自己搞懂布隆过滤器的原理,Guava 中布隆过滤器的实现算是比较权威的,所以实际项目中我们不需要手动实现一个布隆过滤器。

                              首先我们需要在项目中引入 Guava 的依赖:

                              <dependency>
                                  <groupId>com.google.guava</groupId>
                                  <artifactId>guava</artifactId>
                                  <version>28.0-jre</version>
                              </dependency>
                              
                              1
                              2
                              3
                              4
                              5

                              实际使用如下:

                              我们创建了一个最多存放 最多 1500 个整数的布隆过滤器,并且我们可以容忍误判的概率为百分之(0.01)

                              // 创建布隆过滤器对象
                              BloomFilter<Integer> filter = BloomFilter.create(
                                  Funnels.integerFunnel(),
                                  1500,
                                  0.01);
                              // 判断指定元素是否存在
                              System.out.println(filter.mightContain(1));
                              System.out.println(filter.mightContain(2));
                              // 将元素添加进布隆过滤器
                              filter.put(1);
                              filter.put(2);
                              System.out.println(filter.mightContain(1));
                              System.out.println(filter.mightContain(2));
                              
                              1
                              2
                              3
                              4
                              5
                              6
                              7
                              8
                              9
                              10
                              11
                              12
                              13

                              在我们的示例中,当 mightContain() 方法返回 true 时,我们可以 99%确定该元素在过滤器中,当过滤器返回 false 时,我们可以 100%确定该元素不存在于过滤器中。

                              Guava 提供的布隆过滤器的实现还是很不错的(想要详细了解的可以看一下它的源码实现),但是它有一个重大的缺陷就是只能单机使用(另外,容量扩展也不容易),而现在互联网一般都是分布式的场景。为了解决这个问题,我们就需要用到 Redis 中的布隆过滤器了。

                              # Redis 中的布隆过滤器

                              # 介绍

                              Redis v4.0 之后有了 Module(模块/插件) 功能,Redis Modules 让 Redis 可以使用外部模块扩展其功能 。布隆过滤器就是其中的 Module。详情可以查看 Redis 官方对 Redis Modules 的介绍 :https://redis.io/modules

                              另外,官网推荐了一个 RedisBloom 作为 Redis 布隆过滤器的 Module,地址:https://github.com/RedisBloom/RedisBloom 其他还有:

                              • redis-lua-scaling-bloom-filter(lua 脚本实现):https://github.com/erikdubbelboer/redis-lua-scaling-bloom-filter
                              • pyreBloom(Python 中的快速 Redis 布隆过滤器) :https://github.com/seomoz/pyreBloom
                              • ......

                              RedisBloom 提供了多种语言的客户端支持,包括:Python、Java、JavaScript 和 PHP。

                              # 使用 Docker 安装

                              如果我们需要体验 Redis 中的布隆过滤器非常简单,通过 Docker 就可以了!我们直接在 Google 搜索 docker redis bloomfilter 然后在排除广告的第一条搜素结果就找到了我们想要的答案(这是我平常解决问题的一种方式,分享一下),具体地址:https://hub.docker.com/r/redislabs/rebloom/ (介绍的很详细 )。

                              具体操作如下:

                              ➜  ~ docker run -p 6379:6379 --name redis-redisbloom redislabs/rebloom:latest
                              ➜  ~ docker exec -it redis-redisbloom bash
                              root@21396d02c252:/data# redis-cli
                              127.0.0.1:6379>
                              
                              1
                              2
                              3
                              4

                              # 常用命令一览

                              注意: key : 布隆过滤器的名称,item : 添加的元素。

                              1. BF.ADD:将元素添加到布隆过滤器中,如果该过滤器尚不存在,则创建该过滤器。格式:BF.ADD {key} {item}。
                              2. BF.MADD : 将一个或多个元素添加到“布隆过滤器”中,并创建一个尚不存在的过滤器。该命令的操作方式BF.ADD与之相同,只不过它允许多个输入并返回多个值。格式:BF.MADD {key} {item} [item ...] 。
                              3. BF.EXISTS : 确定元素是否在布隆过滤器中存在。格式:BF.EXISTS {key} {item}。
                              4. BF.MEXISTS : 确定一个或者多个元素是否在布隆过滤器中存在格式:BF.MEXISTS {key} {item} [item ...]。

                              另外, BF. RESERVE 命令需要单独介绍一下:

                              这个命令的格式如下:

                              BF. RESERVE {key} {error_rate} {capacity} [EXPANSION expansion] 。

                              下面简单介绍一下每个参数的具体含义:

                              1. key:布隆过滤器的名称
                              2. error_rate : 期望的误报率。该值必须介于 0 到 1 之间。例如,对于期望的误报率 0.1%(1000 中为 1),error_rate 应该设置为 0.001。该数字越接近零,则每个项目的内存消耗越大,并且每个操作的 CPU 使用率越高。
                              3. capacity: 过滤器的容量。当实际存储的元素个数超过这个值之后,性能将开始下降。实际的降级将取决于超出限制的程度。随着过滤器元素数量呈指数增长,性能将线性下降。

                              可选参数:

                              • expansion:如果创建了一个新的子过滤器,则其大小将是当前过滤器的大小乘以expansion。默认扩展值为 2。这意味着每个后续子过滤器将是前一个子过滤器的两倍。

                              # 实际使用

                              127.0.0.1:6379> BF.ADD myFilter java
                              (integer) 1
                              127.0.0.1:6379> BF.ADD myFilter javaguide
                              (integer) 1
                              127.0.0.1:6379> BF.EXISTS myFilter java
                              (integer) 1
                              127.0.0.1:6379> BF.EXISTS myFilter javaguide
                              (integer) 1
                              127.0.0.1:6379> BF.EXISTS myFilter github
                              (integer) 0
                              
                              1
                              2
                              3
                              4
                              5
                              6
                              7
                              8
                              9
                              10
                              edit icon编辑此页open in new window
                              上次编辑于: 2021/11/9 下午6:47:58
                              贡献者: guide,anaer,夏木
                              上一页
                              红黑树
                              鄂ICP备2020015769号-1
                              Copyright © 2022 Guide