Ref: https://github.com/Snailclimb/JavaGuide/blob/main/docs/cs-basics/data-structure/bloom-filter.md

海量数据处理以及缓存穿透这两个场景让我认识了 布隆过滤器 ，我查阅了一些资料来了解它，但是很多现成资料并不满足我的需求，所以就决定自己总结一篇关于布隆过滤器的文章。希望通过这篇文章让更多人了解布隆过滤器，并且会实际去使用它！
下面我们将分为几个方面来介绍布隆过滤器：

  1. 什么是布隆过滤器？
  2. 布隆过滤器的原理介绍。
  3. 布隆过滤器使用场景。
  4. 通过 Java 编程手动实现布隆过滤器。
  5. 利用 Google 开源的 Guava 中自带的布隆过滤器。

  6. Redis 中的布隆过滤器。

    什么是布隆过滤器？

    首先，我们需要了解布隆过滤器的概念。
    布隆过滤器（Bloom Filter）是一个叫做 Bloom 的老哥于 1970 年提出的。我们可以把它看作由二进制向量（或者说位数组）和一系列随机映射函数（哈希函数）两部分组成的数据结构。相比于我们平时常用的的 List、Map 、Set 等数据结构，它占用空间更少并且效率更高，但是缺点是其返回的结果是概率性的，而不是非常准确的。理论情况下添加到集合中的元素越多，误报的可能性就越大。并且，存放在布隆过滤器的数据不容易删除。
    image.png
    位数组中的每个元素都只占用 1 bit ，并且每个元素只能是 0 或者 1。这样申请一个 100w 个元素的位数组只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空间。
    总结：一个名叫 Bloom 的人提出了一种来检索元素是否在给定大集合中的数据结构，这种数据结构是高效且性能很好的，但缺点是具有一定的错误识别率和删除难度。并且，理论情况下，添加到集合中的元素越多，误报的可能性就越大。

    布隆过滤器的原理介绍

    当一个元素加入布隆过滤器中的时候，会进行如下操作：

  7. 使用布隆过滤器中的哈希函数对元素值进行计算，得到哈希值（有几个哈希函数得到几个哈希值）。

  8. 根据得到的哈希值，在位数组中把对应下标的值置为 1。

当我们需要判断一个元素是否存在于布隆过滤器的时候，会进行如下操作：

  1. 对给定元素再次进行相同的哈希计算；
  2. 得到值之后判断位数组中的每个元素是否都为 1，如果值都为 1，那么说明这个值在布隆过滤器中，如果存在一个值不为 1，说明该元素不在布隆过滤器中。

举个简单的例子：
image.png
如图所示，当字符串存储要加入到布隆过滤器中时，该字符串首先由多个哈希函数生成不同的哈希值，然后将对应的位数组的下标设置为 1（当位数组初始化时，所有位置均为 0）。当第二次存储相同字符串时，因为先前的对应位置已设置为 1，所以很容易知道此值已经存在（去重非常方便）。
如果我们需要判断某个字符串是否在布隆过滤器中时，只需要对给定字符串再次进行相同的哈希计算，得到值之后判断位数组中的每个元素是否都为 1，如果值都为 1，那么说明这个值在布隆过滤器中，如果存在一个值不为 1，说明该元素不在布隆过滤器中。
不同的字符串可能哈希出来的位置相同，这种情况我们可以适当增加位数组大小或者调整我们的哈希函数。
综上，我们可以得出：布隆过滤器说某个元素存在，小概率会误判。布隆过滤器说某个元素不在，那么这个元素一定不在。

布隆过滤器使用场景

  1. 判断给定数据是否存在：比如判断一个数字是否存在于包含大量数字的数字集中（数字集很大，5 亿以上）、 防止缓存穿透（判断请求的数据是否有效避免直接绕过缓存请求数据库）等等、邮箱的垃圾邮件过滤、黑名单功能等等。

  2. 去重：比如爬给定网址的时候对已经爬取过的 URL 去重。

    编码实战

    通过 Java 编程手动实现布隆过滤器

    我们上面已经说了布隆过滤器的原理，知道了布隆过滤器的原理之后就可以自己手动实现一个了。
    如果你想要手动实现一个的话，你需要：

  3. 一个合适大小的位数组保存数据

  4. 几个不同的哈希函数
  5. 添加元素到位数组（布隆过滤器）的方法实现
  6. 判断给定元素是否存在于位数组（布隆过滤器）的方法实现。

下面给出一个我觉得写的还算不错的代码（参考网上已有代码改进得到，对于所有类型对象皆适用）：

  1. import java.util.BitSet;
  3. public class MyBloomFilter {
  5.     /**
  6.      * 位数组的大小
  7.      */
  8.     private static final int DEFAULT_SIZE = 2 << 24;
  9.     /**
  10.      * 通过这个数组可以创建 6 个不同的哈希函数
  11.      */
  12.     private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};
  14.     /**
  15.      * 位数组。数组中的元素只能是 0 或者 1
  16.      */
  17.     private BitSet bits = new BitSet(DEFAULT_SIZE);
  19.     /**
  20.      * 存放包含 hash 函数的类的数组
  21.      */
  22.     private SimpleHash[] func = new SimpleHash[SEEDS.length];
  24.     /**
  25.      * 初始化多个包含 hash 函数的类的数组，每个类中的 hash 函数都不一样
  26.      */
  27.     public MyBloomFilter() {
  28.         // 初始化多个不同的 Hash 函数
  29.         for (int i = 0; i < SEEDS.length; i++) {
  30.             func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
  31.         }
  32.     }
  34.     /**
  35.      * 添加元素到位数组
  36.      */
  37.     public void add(Object value) {
  38.         for (SimpleHash f : func) {
  39.             bits.set(f.hash(value), true);
  40.         }
  41.     }
  43.     /**
  44.      * 判断指定元素是否存在于位数组
  45.      */
  46.     public boolean contains(Object value) {
  47.         boolean ret = true;
  48.         for (SimpleHash f : func) {
  49.             ret = ret && bits.get(f.hash(value));
  50.         }
  51.         return ret;
  52.     }
  54.     /**
  55.      * 静态内部类。用于 hash 操作！
  56.      */
  57.     public static class SimpleHash {
  59.         private int cap;
  60.         private int seed;
  62.         public SimpleHash(int cap, int seed) {
  63.             this.cap = cap;
  64.             this.seed = seed;
  65.         }
  67.         /**
  68.          * 计算 hash 值
  69.          */
  70.         public int hash(Object value) {
  71.             int h;
  72.             return (value == null) ? 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));
  73.         }
  75.     }
  76. }

利用 Google 开源的 Guava 中自带的布隆过滤器

自己实现的目的主要是为了让自己搞懂布隆过滤器的原理，Guava 中布隆过滤器的实现算是比较权威的，所以实际项目中我们不需要手动实现一个布隆过滤器。
实际使用如下：
我们创建了一个最多存放 最多 1500 个整数的布隆过滤器，并且我们可以容忍误判的概率为百分之（0.01）

// 创建布隆过滤器对象
BloomFilter<Integer> filter = BloomFilter.create(
    Funnels.integerFunnel(),
    1500,
    0.01);
// 判断指定元素是否存在
System.out.println(filter.mightContain(1));
System.out.println(filter.mightContain(2));
// 将元素添加进布隆过滤器
filter.put(1);
filter.put(2);
System.out.println(filter.mightContain(1));
System.out.println(filter.mightContain(2));

在我们的示例中，当 mightContain() 方法返回 true 时，我们可以 99％确定该元素在过滤器中，当过滤器返回 false 时，我们可以 100％确定该元素不存在于过滤器中。

Guava 提供的布隆过滤器的实现还是很不错的（想要详细了解的可以看一下它的源码实现），但是它有一个重大的缺陷就是只能单机使用（另外，容量扩展也不容易），而现在互联网一般都是分布式的场景。为了解决这个问题，我们就需要用到 Redis 中的布隆过滤器了。

Redis 中的布隆过滤器

介绍

Redis v4.0 之后有了 Module（模块/插件） 功能，Redis Modules 让 Redis 可以使用外部模块扩展其功能 。布隆过滤器就是其中的 Module。详情可以查看 Redis 官方对 Redis Modules 的介绍 ：https://redis.io/modules
另外，官网推荐了一个 RedisBloom 作为 Redis 布隆过滤器的 Module，地址：https://github.com/RedisBloom/RedisBloom 其他还有：

RedisBloom 提供了多种语言的客户端支持，包括：Python、Java、JavaScript 和 PHP。