目录
布隆过滤器介绍
布隆过滤器（Bloom Filter）是1970年由布隆提出的。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比一般的算法要好的多，缺点是有一定的误识别率和删除困难。
什么业务场景需要使用这个布隆过滤器呢？我个人觉得是对误判数据不敏感。比如，在一个质检系统中，客服人员对重复的录音是非常敏感的，至于少了一些录音，对他们来说是无所谓的。
刚刚好，我们使用布隆过滤器对录音文件名进行过滤，布隆过滤器返回true的时候，我们把这部分录音给丢弃掉，返回false的时候，这部分数据就入库。而布隆过滤器返回false的时候，说明这个数据是100%不存在的，满足我们的应用场景。
布隆过滤器的落地应用场景
过滤代码
java
package com.tml.mouseDemo.service;
import lombok.extern.slf4j.Slf4j;
import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import org.springframework.util.StringUtils;
import javax.annotation.PostConstruct;
import java.time.Duration;
/**
* 分布式布隆过滤器的实现
*/
@Service
@Slf4j
public class BloomFilterService {
@Autowired
private RedissonClient redissonClient;
private RBloomFilter bloomFilter;
@PostConstruct
public void init() {
//参数：布隆过滤器的名字
bloomFilter = redissonClient.getBloomFilter("repeatAudioFileName");
// 初始化布隆过滤器 预计数据量 误判率
boolean b = bloomFilter.tryInit(50000L, 0.03);
log.info("repeatAudioFileName bloomFilter tryInit :{}", b);
}
public boolean checkFileNameRepeat(String audioFileName) {
if (!StringUtils.hasText(audioFileName)) {
throw new NullPointerException("audioFileName is empty");
}
//通过setNx的原子操作，保证在多个布隆过滤器之间有一个平滑的过度
boolean setIfAbsent = redissonClient.getBucket(audioFileName).setIfAbsent("1", Duration.ofHours(1));
if (!setIfAbsent) {
log.info("this file is repeat!");
return true;
}
boolean contains = bloomFilter.contains(audioFileName);
if (!contains) {
boolean add = bloomFilter.add(audioFileName);
log.info("checkFileNameRepeat not contain:{} add:{}", audioFileName, add);
//添加失败，说明过滤器中已经存在这个元素了
return !add;
}
return true;
}
}代码说明
高并发处理
contains()和add()是两个操作，在多线程并发条件下，需要结合这两个方法的返回值来综合判断，是不是布隆过滤器包含这个元素。
多个过滤器平滑切换
setIfAbsent()这个操作是一个更加严谨的操作，考虑到实际场景中是有多个布隆过滤器的，在第一个布隆过滤器和第二个布隆过滤器进行切换的时候，怎么做到平滑的切换呢？
比如，我们的应用场景中，每天都会创建一个布隆过滤器，而录音的数据是源源不断的推送过来的，但是我们录音数据有一个特点是，相同的录音的数据可能会多次推送，并且多次的最大间隔不会超过1小时
假设repeatAudioFileName-20240206这个过滤器中已经包含了某个录音文件A，刚刚好时间到了20230207这天，需要重新创建布隆过滤器，在repeatAudioFileName-20240207这个过滤器中，恰好又有相同的文件进来了需要判断，在新的过滤器中刚好没有这个文件，这个时候，又会将录音A文件入库，这个就是业务异常了。
优化后的方案如下
优化的方案的代码就是如上
对应的压测代码也发一下
java
@Test
public void testRedis() throws InterruptedException {
int threadSize = 100;
String fileName = "sagfdsfgewfgdsghf25870.mkv";
long start = System.currentTimeMillis();
CyclicBarrier cyclicBarrier = new CyclicBarrier(threadSize);
CountDownLatch countDownLatch = new CountDownLatch(threadSize);
for (int i = 0; i < threadSize; i++) {
new Thread(() -> {
try {
cyclicBarrier.await();
boolean b = bloomFilterService.checkFileNameRepeat(fileName);
log.info("checkFileNameRepeat----------:{}", b);
} catch (Exception e) {
e.printStackTrace();
} finally {
countDownLatch.countDown();
}
}, "repeat_test_" + i).start();
}
countDownLatch.await();
long end = System.currentTimeMillis();
log.info("start:{}-- cost:{} ms", start, (end - start));
}分析总结
布隆过滤器有对应的优缺点，是不是使用你们的业务场景，需要想清楚。上面的案例中，之所以不用数据库的唯一约束，是因为我们使用了sharding-jdbc分库分表，相同的文件名的数据对应的订单id不一样，也不是在一个表中，不好控制。
顺便说一下，布隆过滤器的应用场景还是很广泛的，在以太坊ETH底层实现中，就用了布隆过滤器。