說一個很常見的場景吧，我們在新聞網(wǎng)站、視頻網(wǎng)站瀏覽新聞視頻的時候，它們是怎么給我們推薦那些我們沒看過的內容的呢？
可能你會想到：服務器端儲存每個用戶的觀看記錄，在去除掉每個用戶已觀看的內容，但是這種方法會給服務器端很大的壓力，當用戶量特別大的時候，每個人看過的內容又很多的時候，效率會大大降低，甚至拖垮服務。
如果每個用戶的觀看內容是存到了關系型數(shù)據(jù)庫，那每次查詢的時候都要順便判斷是否有重復觀看的數(shù)據(jù)，說實話，關系型數(shù)據(jù)庫不適合這種場景。
再假如，把觀看數(shù)據(jù)存到了緩存中，但是這些數(shù)據(jù)是不會消失的，會隨著時間的推移而變得越來越多，時間長了緩存也一樣撐不住。
這個時候就需要專業(yè)的工具去解決這種場景，我們的布隆過濾器就可以登場了！

接下來我們來詳細看一下這個布隆過濾器到底是個什么東西。

布隆過濾器是什么？

我們知道在Redis中Set結構是可以用來判斷集合中是否存在某一個value的，簡單的理解，布隆過濾器就是一個不怎么精確的Set結構，但是有時候他又不是那么不精確，我們可以通過參數(shù)的設置，讓他變得足夠精確。
當布隆過濾器說一個值存在時，這個值有可能不存在；但是當它說一個值不存在時，那這個值確實不存在。
我們再來看上面我說的那個場景，是不是就可以用布隆過濾器過濾掉那些已經(jīng)觀看過的內容了呢，雖然可能有誤判，但是也在合理接受的范圍內。

布隆過濾器怎么使用？

布隆過濾器的指令其實非常少，只有添加和判斷是否存在兩個,bf.add和bf.exists。
其中bf.add用來添加元素，bf.exists用來判斷元素是否存在，用法和Set結構的sadd
和sismember差不多。這兩個命令一次只能操作一個元素，當然還有批量操作的指令bf.madd和bf.mexists。
本來下面該是命令的演示了，但是時間不太充足了，今天先到這，我們明天繼續(xù)！謝謝大家觀看！