java如何实现布隆过滤器

谁借莪１个温暖的怀抱￠ 2024-03-24 10:36 60阅读 0赞

### 什么是布隆过滤器 ###

> 布隆过滤器（Bloom Filter）是1970年由布隆提出来的。 它实际上是由一个很长的二进制数组+一系列hash算法映射函数，用于判断一个元素是否存在于集合中。  
> 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。

### 场景 ###

假设有10亿条手机号，然后判断某条手机号是否在列表内？

#### mysql可以吗？ ####

正常情况下，如果数据量不大，我们可以考虑使用mysql存储。将所有数据存储到数据库，然后每次去库里查询判断是否存在。但是如果数据量太大，超过千万，mysql查询效率是很低的，特别消耗性能。

#### HashSet可以吗 ####

我们可以把数据放入HashSet中，利用HashSet天然的去重性，查询只需要调用contains方法即可，但是hashset是存放在内存中的，数据量过大内存直接oom了。

### 布隆过滤器特点 ###

*  插入和查询效率高，占用空间少，但是返回的结果是不确定的。
 *  一个元素如果判断为存在的时候，它不一定真的存在。但是如果判断一个元素不存在，那么它一定是不存在的。
 *  布隆过滤器可以添加元素，**但是一定不能删除元素**，会导致误判率增加。

### 布隆过滤器原理 ###

> 布隆过滤器其实就是是一个BIT数组，通过一系列hash算法映射出对应的hash,然后将hash对应的数组下标位置改为1。查询时就是对数据在进行一系列hash算法得到下标，从BIT数组里取数据如**如果是1 则说明数据有可能存在，如果是0 说明一定不存在**

### 为什么会有误差率 ###

我们知道布隆过滤器其实是对数据做hash,那么不管用什么算法，都有可能两条不同的数据生成的hash确是相同的，也就是我们常说的hash冲突。

首先插入一条数据： 好好学技术

![01b309ec451e6589a9f614209bc0cebf.png][]

在插入一条数据：

![format_png][]

这是如果查询一条数据，假设他的hash下标已经标为1了，那么布隆过滤器就会认为他存在

![470bfbe47a31aa7c8e202477da245ef9.png][]

### 常见使用场景 ###

缓存穿透

### java实现布隆过滤器 ###

package com.fandf.test.redis;
    
    import java.util.BitSet;
    
    /**
     * java布隆过滤器
     *
     * @author fandongfeng
     */
    public class MyBloomFilter {
    
        /**
         * 位数组大小
         */
        private static final int DEFAULT_SIZE = 2 << 24;
    
        /**
         * 通过这个数组创建多个Hash函数
         */
        private static final int[] SEEDS = new int[]{4, 8, 16, 32, 64, 128, 256};
    
        /**
         * 初始化位数组，数组中的元素只能是 0 或者 1
         */
        private final BitSet bits = new BitSet(DEFAULT_SIZE);
    
        /**
         * Hash函数数组
         */
        private final MyHash[] myHashes = new MyHash[SEEDS.length];
    
        /**
         * 初始化多个包含 Hash 函数的类数组，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++) {
                myHashes[i] = new MyHash(DEFAULT_SIZE, SEEDS[i]);
            }
        }
    
        /**
         * 添加元素到位数组
         */
        public void add(Object value) {
            for (MyHash myHash : myHashes) {
                bits.set(myHash.hash(value), true);
            }
        }
    
        /**
         * 判断指定元素是否存在于位数组
         */
        public boolean contains(Object value) {
            boolean result = true;
            for (MyHash myHash : myHashes) {
                result = result && bits.get(myHash.hash(value));
            }
            return result;
        }
    
        /**
         * 自定义 Hash 函数
         */
        private class MyHash {
            private int cap;
            private int seed;
    
            MyHash(int cap, int seed) {
                this.cap = cap;
                this.seed = seed;
            }
    
            /**
             * 计算 Hash 值
             */
            int hash(Object obj) {
                return (obj == null) ? 0 : Math.abs(seed * (cap - 1) & (obj.hashCode() ^ (obj.hashCode() >>> 16)));
            }
        }
    
        public static void main(String[] args) {
            String str = "好好学技术";
            MyBloomFilter myBloomFilter = new MyBloomFilter();
            System.out.println("str是否存在：" + myBloomFilter.contains(str));
            myBloomFilter.add(str);
            System.out.println("str是否存在：" + myBloomFilter.contains(str));
        }
    
    
    }
    复制代码

### Guava实现布隆过滤器 ###

引入依赖

<dependency>
        <groupId>com.google.guava</groupId>
        <artifactId>guava</artifactId>
        <version>31.1-jre</version>
    </dependency>
    复制代码

package com.fandf.test.redis;
    
    import com.google.common.base.Charsets;
    import com.google.common.hash.BloomFilter;
    import com.google.common.hash.Funnels;
    
    /**
     * @author fandongfeng
     */
    public class GuavaBloomFilter {
    
        public static void main(String[] args) {
            BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8),100000,0.01);
            bloomFilter.put("好好学技术");
            System.out.println(bloomFilter.mightContain("不好好学技术"));
            System.out.println(bloomFilter.mightContain("好好学技术"));
        }
    }
    复制代码

### hutool实现布隆过滤器 ###

引入依赖

<dependency>
        <groupId>cn.hutool</groupId>
        <artifactId>hutool-all</artifactId>
        <version>5.8.3</version>
    </dependency>
    复制代码

package com.fandf.test.redis;
    
    import cn.hutool.bloomfilter.BitMapBloomFilter;
    import cn.hutool.bloomfilter.BloomFilterUtil;
    
    /**
     * @author fandongfeng
     */
    public class HutoolBloomFilter {
        public static void main(String[] args) {
            BitMapBloomFilter bloomFilter = BloomFilterUtil.createBitMap(1000);
            bloomFilter.add("好好学技术");
            System.out.println(bloomFilter.contains("不好好学技术"));
            System.out.println(bloomFilter.contains("好好学技术"));
        }
    
    }
    复制代码

### Redisson实现布隆过滤器 ###

引入依赖

<dependency>
        <groupId>org.redisson</groupId>
        <artifactId>redisson</artifactId>
        <version>3.20.0</version>
    </dependency>
    复制代码

package com.fandf.test.redis;
     
    import org.redisson.Redisson;
    import org.redisson.api.RBloomFilter;
    import org.redisson.api.RedissonClient;
    import org.redisson.config.Config;
     
    /**
     * Redisson 实现布隆过滤器
     * @author fandongfeng
     */
    public class RedissonBloomFilter {
     
        public static void main(String[] args) {
            Config config = new Config();
            config.useSingleServer().setAddress("redis://127.0.0.1:6379");
            //构造Redisson
            RedissonClient redisson = Redisson.create(config);
     
            RBloomFilter<String> bloomFilter = redisson.getBloomFilter("name");
            //初始化布隆过滤器：预计元素为100000000L,误差率为1%
            bloomFilter.tryInit(100000000L,0.01);
            bloomFilter.add("好好学技术");
     
            System.out.println(bloomFilter.contains("不好好学技术"));
            System.out.println(bloomFilter.contains("好好学技术"));
        }
    }

[01b309ec451e6589a9f614209bc0cebf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/3dcf81cd329c4c29a063317ebb6fa4a5.png
[format_png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/aed73b134faf43d9a7956d92edc82c13.png
[470bfbe47a31aa7c8e202477da245ef9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/e7c37d48865a4d0ea95930412125a11b.png