算法技巧-布隆过滤器

布隆过滤器（英语：Bloom Filter）是1970年由一个叫布隆的小伙子提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。

收录在算法技巧、数据结构、常见算法汇总

布隆过滤器原理

当一个元素被加入集合时，通过K个散列函数将这个元素映射成一个位数组中的K个点，把它们置为1。

检索时，我们只要看看这些点是不是都是1就（大约）知道集合中有没有它了：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能在。

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。

布隆过滤器应用

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，上亿）、 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（判断一个邮件地址是否在垃圾邮件列表中）、黑名单功能（判断一个 IP 地址或手机号码是否在黑名单中）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、对巨量的 QQ 号/订单号去重。

去重场景也需要用到判断给定数据是否存在，因此布隆过滤器主要是为了解决海量数据的存在性问题。

布隆过滤器实践

下面基于redission客户端的redis布隆过滤器做简单实践。 redis配置

@Configuration
public class RedisConfig {
    @Value("${spring.redis.host}")
    private String redisHost;

    @Value("${spring.redis.port}")
    private int redisPort;

    @Bean(destroyMethod = "shutdown")
    public RedissonClient redissonClient() {
        Config config = new Config();
        config.useSingleServer()
                .setAddress("redis://" + redisHost + ":" + redisPort);

        return Redisson.create(config);
    }
}

布隆过滤器配置

@Service
public class BloomFilter {
    private final RedissonClient redissonClient;

    private RBloomFilter<String> bloomFilter;

    @Autowired
    public BloomFilter(RedissonClient redissonClient) {
        this.redissonClient = redissonClient;
    }


    @PostConstruct
    private void init() {
        bloomFilter = redissonClient.getBloomFilter("test");
        bloomFilter.tryInit(10000L, 0.01);
    }

    public boolean add(String key) {
        return bloomFilter.add(key);
    }

    public boolean contains(String key) {
        return bloomFilter.contains(key);
    }
}

测试用例

@RunWith(SpringRunner.class)
@SpringBootTest(classes = Application.class)
@Slf4j
public class BloomFilterTest {

    @Resource
    private BloomFilter bloomFilter;

    @Test
    public void testBloomFilter() {
        boolean ret = bloomFilter.add("test1");
        log.info("testBloomFilter ret={}", ret);
        ret = bloomFilter.add("test2");
        log.info("testBloomFilter ret={}", ret);
        ret = bloomFilter.contains("test1");
        log.info("testBloomFilter ret={}", ret);
        ret = bloomFilter.contains("test2");
        log.info("testBloomFilter ret={}", ret);
    }
}

执行结果

2023-12-31 17:23:14.478|INFO |test|1|127.0.0.1|08f03f7f8b5c44bbad4c7962e6018b04|testBloomFilter ret=true|com.toby.dynamic.data.source.redis.BloomFilterTest
2023-12-31 17:23:14.478|INFO |test|1|127.0.0.1|08f03f7f8b5c44bbad4c7962e6018b04|testBloomFilter ret=true|com.toby.dynamic.data.source.redis.BloomFilterTest
2023-12-31 17:23:14.478|INFO |test|1|127.0.0.1|08f03f7f8b5c44bbad4c7962e6018b04|testBloomFilter ret=true|com.toby.dynamic.data.source.redis.BloomFilterTest
2023-12-31 17:23:14.478|INFO |test|1|127.0.0.1|08f03f7f8b5c44bbad4c7962e6018b04|testBloomFilter ret=true|com.toby.dynamic.data.source.redis.BloomFilterTest

参考
Redis BloomFilter布隆过滤器原理与实现
布隆过滤器
布隆过滤器