布隆过滤器
介绍
概念：是一种高效查询的数据结构
作用：判断某个元素是否在一个集合中。（但是会出现误判的情况）
实现原理
加入元素：
当一个元素需要加入到布隆过滤器中时，会使用一组哈希函数对该元素进行计算，得到多个哈希值。
每个哈希值对应到位数组的一个特定位置，将这些位置的值设置为1。
查询元素：
对给定的元素再次进行相同的哈希计算，得到一组哈希值。
检查位数组中对应的每个位置是否都为1。如果所有位置都是1，那么认为这个元素可能在布隆过滤器中；如果有任何一个位置不为1，那么可以确定该元素不在布隆过滤器中。
误判和不可删除
下面是一个插入元素的图：
模拟插入：
-
先插入“你好”
-
计算“你好”的hash值
-
插入到2的位置
-
-
插入“hello”
-
计算“hello”的hash值
-
插入到2的位置
-
-
误判：如果计算出“hello”和“你好”的hash值是一样的，这个时候就会出现误判的情况。
-
不能删除：当发现“你好”和“hello”的值都在2位置，如果要删除“你好”的hash值在布隆过滤器中，那么“hello”也会同时被删除。
使用场景
使用在缓存穿透场景。
可以利用布隆过滤器先看看数据是否存在，再进行下一步的判断，可能可以减少很多次的数据库访问请求。
if(!bloomFilter.contains(data)){
//.....
}一般采用上述这种方式进行布隆过滤器的判断。
原因：布隆过滤器可能存在误判
-
当布隆过滤器中不存在一个数据的时候，那么这个数据肯定不存在。
-
当布隆过滤器存在一个数据的时候，可能这个数据还是存在的。
补充缓存穿透：
前端请求要查询一个数据，但是Redis中没有这个数据，所以要将请求打到数据库中。如果是大量请求情况，这个大的流量，可能导致数据库直接挂了。（一般可以采用布隆过滤器+分布式锁防止缓存穿透）
布隆过滤器使用
-
Guava的布隆过滤器
-
Redis实现的布隆过滤器
这里以Redis的布隆过滤器作示例：
1、引入依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<dependency>
<groupId>org.redisson</groupId>
<artifactId>redisson-spring-boot-starter</artifactId>
</dependency>2、配置Redis参数
spring:
data:
redis:
host: 127.0.0.1
port: 6379
# password: 123456 #密码3、布隆过滤器的配置类：
import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import org.springframework.boot.context.properties.EnableConfigurationProperties;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
/**
* 布隆过滤器配置
*/
@Configuration
public class RBloomFilterConfiguration {
@Bean
public RBloomFilter<String> userRegisterCachePenetrationBloomFilter(RedissonClient redissonClient) {
RBloomFilter<String> cachePenetrationBloomFilter = redissonClient.getBloomFilter("xxx");
cachePenetrationBloomFilter.tryInit(0, 0);
return cachePenetrationBloomFilter;
}
}tryInit 有两个核心参数：
-
expectedInsertions：预估布隆过滤器存储的元素长度。
-
falseProbability：运行的误判率
这里是一个计算误判率和大小的网站：Bloom Filter Calculator
4、代码中的使用
private final RBloomFilter<String> userRegisterCachePenetrationBloomFilter;-
add方法添加
-
contains方法判断是否存在
