介绍

        布隆过滤器采用一个很长的二进制数组,通过一系列的Hash函数来确定该数据是否存在

使用场景

  •         redis防止缓存击穿的解决方案
  •         数据去重
  •         过滤垃圾信息

简单原理

布隆过滤器本质上是一个二进制数组,元素的值不是1就是0. 当我们存一个商品id为10的商品,假设我们经过三次哈希,存的数组下标为1,3,7,就将这三个下标的元素改为1.这样每次访问redis之前,先访问布隆过滤器。查询id为10的商品的时候,经过布隆过滤器的哈希算法,获取到该商品对应的下标是1,3,7。那么,如果这三个数组的下标对应的元素都为1 则表示存在该商品,放行这次请求。如果有一个为0,则不存在该商品。

布隆过滤器判断存在不一定真的存在,但是,判断不存在则一定不存在。

针对布隆过滤器的一些误判,我们可以增加二进制数组位数或者增加Hash次数来解决。

使用布隆过滤器并测试

引入谷歌guava依赖

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>31.0.1-jre</version>
</dependency>

 创建一个测试类,存入100w个数据到布隆过滤器,同时用10w个不存在的数据测试误判率。

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;

import java.math.BigDecimal;

@SpringBootTest
class RetailUserApplicationTests {

    @Test
    void contextLoads() {
        this.BloomTest();
    }

    public void BloomTest() {
        // 开始时间
        long startTime = System.currentTimeMillis();
        // 初始化误判个数
        BigDecimal count = new BigDecimal("0");
        // 相当于一个常量
        BigDecimal one = new BigDecimal("1");
        // 测试的10W个数据 也是常量 用于计算误判率
        BigDecimal testCount = new BigDecimal("100000");
        // 百分比换算,还是常量
        BigDecimal mult = new BigDecimal("100");

        // 第一个参数为数据类型,第二个数组长度,第三个误判率
        BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), 1000000L, 0.01);

        // 插入100w个数据
        for (int i = 1; i <= 1000000; i++) {
            bloomFilter.put(i);
        }

        // 测试10W个不存在的数据
        for (int i = 2000000; i <= 2100000; i++) {
            boolean mightContain = bloomFilter.mightContain(i);
            if (mightContain) {
                count = count.add(one);
            }
        }
        System.out.println("总耗时" + (System.currentTimeMillis() - startTime) + "MS");
        System.out.println("误判个数:" + count);
        System.out.println("误判率:" + (count.divide(testCount)).multiply(mult) + "%");
    }
}

 误判了1004个,符合我们设置的0.01误判率。

但是,误判率并不是设置的越小越好。设置的越小,进行的哈希次数就越多。接下来,我们来看下例子。比如我这里设置的0.01,就经过了7次哈希 

 接下来我们测试将误差值改为0.000001,从原来的7次哈希变为了20次哈希

时间效率也从200增到了700+

 所以我们得出结论。要取一个适当的值来确定误差值。就和hashmap的负载因子是0.75一样 为1哈希冲突太大,为0.5冲突是少了,但是空间利用率下降了。

项目中使用布隆过滤器防止缓存穿透

创建一个初始化布隆过滤器类。并实现CommandLineRunner接口,启动项目后执行。

初始化一个布隆过滤器,设置好我们对应的参数。之后将数据库中的数据使用put方法加入到布隆过滤器中。这里我放入的是商品的详情

import com.google.common.base.Charsets;
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import com.retail.constant.SkillConstants;
import com.retail.mapper.GoodsMapper;
import com.retail.pojo.resp.SkillActivityResp;
import lombok.extern.log4j.Log4j2;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.CommandLineRunner;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import java.util.List;

/**
 * @className: BloomInit
 * @description: 初始化布隆过滤器
 * @date: 2022/07/11
 * @author: Sora33
 */
@Configuration
@Log4j2
public class BloomInit implements CommandLineRunner {

    @Autowired
    private GoodsMapper goodsMapper;

    @Override
    public void run(String... args) throws Exception {
        this.bloomInit();
    }

    /**
     * 初始化布隆过滤器
     */
    @Bean
    public BloomFilter bloomInit() {
        // 初始化布隆过滤器,设置数据类型,数组长度和误差值
        BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), 1000000L, 0.01);
        // 获取要装入过滤器的数据
        List<SkillActivityResp> skillActivityGoods = goodsMapper.getSkillActivityGoods();
        // 循环装填
        for (SkillActivityResp skillActivityGood : skillActivityGoods) {
            bloomFilter.put(SkillConstants.SKILL_GOODS + skillActivityGood.getShopId() + "_" + skillActivityGood.getActivityId());
            log.info("已加入数据[{}]到布隆过滤器...", SkillConstants.SKILL_GOODS + skillActivityGood.getShopId() + "_" + skillActivityGood.getActivityId());
        }
        log.info("布隆过滤器装载完成");
        return bloomFilter;
    }

然后在获取商品详情的地方外面加一层布隆过滤器。先从布隆过滤器中获取值,如果有则放行,没有直接返回。有效解决了请求直接穿过redis,访问数据库所造成的不必要的压力。

 /**
     * 根据商品id和活动id获取商品
     * @param shopId
     * @param activityId
     * @param activityId
     * @return
     */
    @Override
    public SkillActivityResp getGoodsByshopIdAndActivityId(Integer shopId, Integer activityId) {
        boolean contains = bloomFilter.mightContain(SkillConstants.SKILL_GOODS + shopId + "_" + activityId);
        if (!contains) {
            return null;
        }
        // 尝试从redis中获取
        String skillActivityResp = stringRedisTemplate.opsForValue().get(SkillConstants.SKILL_GOODS + shopId + "_" + activityId);
        if (skillActivityResp == null) {
            SkillActivityResp goods = goodsMapper.getGoodsByshopIdAndActivityId(shopId,activityId);
            // 存入redis
            stringRedisTemplate.opsForValue().set(SkillConstants.SKILL_GOODS + shopId + "_" + activityId, JSONObject.toJSONString(goods),24, TimeUnit.HOURS);
            return goods;
        }
        return JSONObject.parseObject(skillActivityResp, SkillActivityResp.class);
    }

结尾

布隆过滤器也是有缺点的,比如存在误判,删除数据困难...可以选择使用布谷鸟过滤器,各方面相对于布隆过滤器都有一些优化

更多知识请移步个人博客:33sora.com

Logo

华为云1024程序员节送福利,参与活动赢单人4000元礼包,更有热门技术干货免费学习

更多推荐