如何使用 Redis 快速实现布隆过滤器？

以下是使用 Redis 实现布隆过滤器的两种方案，结合原理说明和操作步骤：

方案一：手动实现（基于 Redis Bitmap）

原理

利用 Redis 的 SETBIT 和 GETBIT 操作位数组，结合多个哈希函数计算位置。

步骤

确定参数
- 预期元素数量 n
- 可接受误判率 p
- 计算位数组大小 m 和哈希函数数量 k：
  复制代码
```
m = -(n * ln(p)) / (ln(2)^2)
k = round(m/n * ln(2))
```
  （示例：n=1000, p=0.01 → m≈9585 bits, k≈7）
选择哈希函数

使用多个不同种子的哈希算法（如 MurmurHash3），或对同一哈希结果进行位移/取模。
添加元素

对每个元素计算 k 个哈希值，将对应位设为1：
bash 复制代码
```
SETBIT key pos1 1
SETBIT key pos2 1
...
```
查询元素

检查所有哈希位是否为1：
bash 复制代码
```
GETBIT key pos1
GETBIT key pos2
...
```

示例（Lua脚本保证原子性）

lua 复制代码

-- 添加元素
local key = KEYS[1]
local value = KEYS[2]
local m = tonumber(KEYS[3])  -- 位数组大小
local k = tonumber(KEYS[4])  -- 哈希函数数量

for i=1,k do
    local hash = redis.call('HASH', value, i)  -- 假设HASH是自定义哈希函数
    local pos = hash % m + 1
    redis.call('SETBIT', key, pos, 1)
end
return 1

方案二：使用 RedisBloom 模块（推荐）

原理

Redis 官方模块，提供原生布隆过滤器命令，优化性能和误判率。

步骤

安装 RedisBloom
- 下载模块：https://github.com/RedisBloom/RedisBloom
- 启动时加载：
  bash 复制代码
```
redis-server --loadmodule /path/to/redisbloom.so
```

创建布隆过滤器

bash 复制代码

BF.RESERVE my_filter 0.01 1000  # 误判率1%，预期元素1000

添加元素
bash 复制代码
```
BF.ADD my_filter "user123"
```

查询元素

bash 复制代码

BF.EXISTS my_filter "user123"  # 返回1（存在）或0（不存在）

方案对比

特性	手动实现（Bitmap）	RedisBloom 模块
依赖性	纯 Redis，无需额外安装	需安装 RedisBloom
性能	较低（需多次哈希计算）	高（优化过的底层实现）
误判率控制	需手动计算参数	自动优化参数
扩展性	手动调整位数组大小	支持动态扩容

注意事项

误判率权衡：降低误判率需增大位数组或哈希函数数量，但会占用更多内存。
哈希冲突：避免使用简单哈希（如 CRC32），推荐 MurmurHash3 等低碰撞算法。
持久化：Redis 配置持久化策略（RDB/AOF）防止数据丢失。
集群部署：RedisBloom 支持集群模式，手动实现需自行处理分片。

根据需求选择方案：快速验证可用手动实现，生产环境推荐 RedisBloom。