本文僅作為筆者學(xué)習(xí)記錄之用，侵刪
原文：https://www.cnblogs.com/CodeBear/p/10911177.html
緩存穿透
我們經(jīng)常會把一部分?jǐn)?shù)據(jù)放在Redis等緩存，比如產(chǎn)品詳情。這樣有查詢請求進(jìn)來，我們可以根據(jù)產(chǎn)品Id直接去緩存中取數(shù)據(jù)，而不用讀取數(shù)據(jù)庫，這是提升性能最簡單，最普遍，也是最有效的做法。一般的查詢請求流程是這樣的：先查緩存，有緩存的話直接返回，如果緩存中沒有，再去數(shù)據(jù)庫查詢，然后再把數(shù)據(jù)庫取出來的數(shù)據(jù)放入緩存，一切看起來很美好。
如果現(xiàn)在有大量請求進(jìn)來，而且都在請求一個不存在的產(chǎn)品Id，會發(fā)生什么？既然產(chǎn)品Id都不存在，那么肯定沒有緩存，沒有緩存，那么大量的請求都懟到數(shù)據(jù)庫，數(shù)據(jù)庫的壓力一下子就上來了，還有可能把數(shù)據(jù)庫打死。這也是一種黑客攻擊方法。
雖然有很多辦法都可以解決這問題，但是我們的主角是“布隆過濾器”，沒錯，“布隆過濾器”就可以解決（緩解）緩存穿透問題。至于為什么說是“緩解”，看下去你就明白了。
大量數(shù)據(jù)，判斷給定的是否在其中
現(xiàn)在有大量的數(shù)據(jù)，而這些數(shù)據(jù)的大小已經(jīng)遠(yuǎn)遠(yuǎn)超出了服務(wù)器的內(nèi)存，現(xiàn)在再給你一個數(shù)據(jù)，如何判斷給你的數(shù)據(jù)在不在其中。如果服務(wù)器的內(nèi)存足夠大，那么用HashMap是一個不錯的解決方案，理論上的時間復(fù)雜度可以達(dá)到O(1)，但是現(xiàn)在數(shù)據(jù)的大小已經(jīng)遠(yuǎn)遠(yuǎn)超出了服務(wù)器的內(nèi)存，所以無法使用HashMap，這個時候就可以使用“布隆過濾器”來解決這個問題。但是還是同樣的，會有一定的“誤判率”。
什么是布隆過濾器
布隆過濾器是一個叫“布隆”的人提出的，它本身是一個很長的二進(jìn)制向量，既然是二進(jìn)制的向量，那么顯而易見的，存放的不是0，就是1。
現(xiàn)在我們新建一個長度為16的布隆過濾器，默認(rèn)值都是0，就像下面這樣：
現(xiàn)在需要添加一個數(shù)據(jù)：
我們通過某種計算方式，比如Hash1，計算出了Hash1(數(shù)據(jù))=5，我們就把下標(biāo)為5的格子改成1，就像下面這樣：
我們又通過某種計算方式，比如Hash2，計算出了Hash2(數(shù)據(jù))=9，我們就把下標(biāo)為9的格子改成1，就像下面這樣：
還是通過某種計算方式，比如Hash3，計算出了Hash3(數(shù)據(jù))=2，我們就把下標(biāo)為2的格子改成1，就像下面這樣：
這樣，剛才添加的數(shù)據(jù)就占據(jù)了布隆過濾器“5”，“9”，“2”三個格子。
可以看出，僅僅從布隆過濾器本身而言，根本沒有存放完整的數(shù)據(jù)，只是運(yùn)用一系列隨機(jī)映射函數(shù)計算出位置，然后填充二進(jìn)制向量。
這有什么用呢？比如現(xiàn)在再給你一個數(shù)據(jù)，你要判斷這個數(shù)據(jù)是否重復(fù)，你怎么做？
你只需利用上面的三種固定的計算方式，計算出這個數(shù)據(jù)占據(jù)哪些格子，然后看看這些格子里面放置的是否都是1，如果有一個格子不為1，那么就代表這個數(shù)字不在其中。這很好理解吧，比如現(xiàn)在又給你了剛才你添加進(jìn)去的數(shù)據(jù)，你通過三種固定的計算方式，算出的結(jié)果肯定和上面的是一模一樣的，也是占據(jù)了布隆過濾器“5”，“9”，“2”三個格子。
但是有一個問題需要注意，如果這些格子里面放置的都是1，不一定代表給定的數(shù)據(jù)一定重復(fù)，也許其他數(shù)據(jù)經(jīng)過三種固定的計算方式算出來的結(jié)果也是相同的。這也很好理解吧，比如我們需要判斷對象是否相等，是不可以僅僅判斷他們的哈希值是否相等的。
也就是說布隆過濾器只能判斷數(shù)據(jù)是否一定不存在，而無法判斷數(shù)據(jù)是否一定存在。
按理來說，介紹完了新增、查詢的流程，就要介紹刪除的流程了，但是很遺憾的是布隆過濾器是很難做到刪除數(shù)據(jù)的，為什么？你想想，比如你要刪除剛才給你的數(shù)據(jù)，你把“5”，“9”，“2”三個格子都改成了0，但是可能其他的數(shù)據(jù)也映射到了“5”，“9”，“2”三個格子啊，這不就亂套了嗎？
相信經(jīng)過我這么一介紹，大家對布隆過濾器應(yīng)該有一個淺顯的認(rèn)識了，至少你應(yīng)該清楚布隆過濾器的優(yōu)缺點(diǎn)了：
- 優(yōu)點(diǎn)：由于存放的不是完整的數(shù)據(jù)，所以占用的內(nèi)存很少，而且新增，查詢速度夠快；
- 缺點(diǎn)： 隨著數(shù)據(jù)的增加，誤判率隨之增加；無法做到刪除數(shù)據(jù)；只能判斷數(shù)據(jù)是否一定不存在，而無法判斷數(shù)據(jù)是否一定存在。
可以看到，布隆過濾器的優(yōu)點(diǎn)和缺點(diǎn)一樣明顯。
在上文中，我舉的例子二進(jìn)制向量長度為16，由三個隨機(jī)映射函數(shù)計算位置，在實(shí)際開發(fā)中，如果你要添加大量的數(shù)據(jù)，僅僅16位是遠(yuǎn)遠(yuǎn)不夠的，為了讓誤判率降低，我們還可以用更多的隨機(jī)映射函數(shù)、更長的二進(jìn)制向量去計算位置。
guava實(shí)現(xiàn)布隆過濾器
現(xiàn)在相信你對布隆過濾器應(yīng)該有一個比較感性的認(rèn)識了，布隆過濾器核心思想其實(shí)并不難，難的在于如何設(shè)計隨機(jī)映射函數(shù)，到底映射幾次，二進(jìn)制向量的長度設(shè)置為多少比較好，這可能就不是一般的開發(fā)可以駕馭的了，好在Google大佬給我們提供了開箱即用的組件，來幫助我們實(shí)現(xiàn)布隆過濾器，現(xiàn)在就讓我們看看怎么Google大佬送給我們的“禮物”吧。
首先在pom引入“禮物”：
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>19.0</version>
</dependency>
然后就可以測試?yán)玻?/p>
private static int size = 1000000;//預(yù)計要插入多少數(shù)據(jù)
private static double fpp = 0.01;//期望的誤判率
private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, fpp);
public static void main(String[] args) {
//插入數(shù)據(jù)
for (int i = 0; i < 1000000; i++) {
bloomFilter.put(i);
}
int count = 0;
for (int i = 1000000; i < 2000000; i++) {
if (bloomFilter.mightContain(i)) {
count++;
System.out.println(i + "誤判了");
}
}
System.out.println("總共的誤判數(shù):" + count);
}
代碼簡單分析：
我們定義了一個布隆過濾器，有兩個重要的參數(shù)，分別是 我們預(yù)計要插入多少數(shù)據(jù)，我們所期望的誤判率，誤判率不能為0。
我向布隆過濾器插入了0-1000000，然后用1000000-2000000來測試誤判率。
運(yùn)行結(jié)果：
1999501誤判了
1999567誤判了
1999640誤判了
1999697誤判了
1999827誤判了
1999942誤判了
總共的誤判數(shù):10314
現(xiàn)在總共有100萬數(shù)據(jù)是不存在的，誤判了10314次，我們計算下誤判率
和我們定義的期望誤判率0.01相差無幾。
redis實(shí)現(xiàn)布隆過濾器
上面使用guava實(shí)現(xiàn)布隆過濾器是把數(shù)據(jù)放在本地內(nèi)存中，無法實(shí)現(xiàn)布隆過濾器的共享，我們還可以把數(shù)據(jù)放在redis中，用 redis來實(shí)現(xiàn)布隆過濾器，我們要使用的數(shù)據(jù)結(jié)構(gòu)是bitmap，你可能會有疑問，redis支持五種數(shù)據(jù)結(jié)構(gòu)：String，List，Hash，Set，ZSet，沒有bitmap呀。沒錯，實(shí)際上bitmap的本質(zhì)還是String。
可能有小伙伴會說，納尼，布隆過濾器還沒介紹完，怎么又出來一個bitmap，沒事，你可以把bitmap就理解為一個二進(jìn)制向量。
要用redis來實(shí)現(xiàn)布隆過濾器，我們需要自己設(shè)計映射函數(shù)，自己度量二進(jìn)制向量的長度，這對我來說，無疑是一個不可能完成的任務(wù)，只能借助搜索引擎，下面直接放出代碼把。
public class RedisMain {
static final int expectedInsertions = 1000;//要插入多少數(shù)據(jù)
static final double fpp = 0.01;//期望的誤判率
//bit數(shù)組長度
private static long numBits;
//hash函數(shù)數(shù)量
private static int numHashFunctions;
static {
numBits = optimalNumOfBits(expectedInsertions, fpp);
numHashFunctions = optimalNumOfHashFunctions(expectedInsertions, numBits);
}
public static void main(String[] args) {
Jedis jedis = new Jedis("localhost", 6379);
for (int i = 0; i < 1000; i++) {
long[] indexArray = getIndexArray(String.valueOf(i));
for (long index : indexArray) {
jedis.setbit("codebear:bloom", index, true);
}
}
int num = 0;
for (int i = 1000; i < 2000; i++) {
long[] indexArray = getIndexArray(String.valueOf(i));
for (long index : indexArray) {
if (!jedis.getbit("codebear:bloom", index)) {
System.out.println(i + "一定不存在");
num++;
break;
}
}
}
System.out.println("一定不存在的有" + num + "個");
}
/**
* 根據(jù)key獲取bitmap下標(biāo)
*/
private static long[] getIndexArray(String key) {
long hash1 = hash(key);
long hash2 = hash1 >>> 16;
long[] result = new long[numHashFunctions];
for (int i = 0; i < numHashFunctions; i++) {
long combinedHash = hash1 + i * hash2;
if (combinedHash < 0) {
combinedHash = ~combinedHash;
}
result[i] = combinedHash % numBits;
}
return result;
}
private static long hash(String key) {
return Hashing.MURMUR_HASH.hash(key);
}
//計算hash函數(shù)個數(shù)
private static int optimalNumOfHashFunctions(long n, long m) {
return Math.max(1, (int) Math.round((double) m / n * Math.log(2)));
}
//計算bit數(shù)組長度
private static long optimalNumOfBits(long n, double p) {
if (p == 0) {
p = Double.MIN_VALUE;
}
return (long) (-n * Math.log(p) / (Math.log(2) * Math.log(2)));
}
}
運(yùn)行結(jié)果：
1997一定不存在
1998一定不存在
1999一定不存在
一定不存在的有989個
最后給出結(jié)論：
布隆過濾器判定某個值不存在，則必定不存在；
判定某個值存在，則大概率存在
