大家好，我是可樂，一個專注原創，樂于分享的程式猿。 本系列教程持續更新，可以微信搜尋「 IT可樂 」第一時間閱讀。回複《電子書》有我為大家特别篩選的海量免費書籍資料
本篇部落格我們主要介紹如何用Redis實作布隆過濾器，但是在介紹布隆過濾器之前，我們首先介紹一下，為啥要使用布隆過濾器。
1、布隆過濾器使用場景
比如有如下幾個需求：
①、原本有10億個号碼，現在又來了10萬個号碼，要快速準确判斷這10萬個号碼是否在10億個号碼庫中？
解決辦法一：将10億個号碼存入資料庫中，進行資料庫查詢，準确性有了，但是速度會比較慢。
解決辦法二：将10億号碼放入記憶體中，比如Redis緩存中，這裡我們算一下占用記憶體大小：10億*8位元組=8GB，通過記憶體查詢，準确性和速度都有了，但是大約8gb的記憶體空間，挺浪費記憶體空間的。
②、接觸過爬蟲的，應該有這麼一個需求，需要爬蟲的網站千千萬萬，對于一個新的網站url，我們如何判斷這個url我們是否已經爬過了？
解決辦法還是上面的兩種，很顯然，都不太好。
③、同理還有垃圾郵箱的過濾。
那麼對于類似這種，大資料量集合，如何準确快速的判斷某個資料是否在大資料量集合中，并且不占用記憶體，布隆過濾器應運而生了。
2、布隆過濾器簡介
帶着上面的幾個疑問，我們來看看到底什麼是布隆過濾器。
布隆過濾器：一種資料結構，是由一串很長的二進制向量組成，可以将其看成一個二進制數組。既然是二進制，那麼裡面存放的不是0，就是1，但是初始預設值都是0。
如下所示：
介紹概念的時候，我們說可以将布隆過濾器看成一個容器，那麼如何向布隆過濾器中添加一個資料呢？
如下圖所示：當要向布隆過濾器中添加一個元素key時，我們通過多個hash函數，算出一個值，然後将這個值所在的方格置為1。
比如，下圖hash1(key)=1，那麼在第2個格子将0變為1（數組是從0開始計數的），hash2(key)=7，那麼将第8個格子置位1，依次類推。
知道了如何向布隆過濾器中添加一個資料，那麼新來一個資料，我們如何判斷其是否存在于這個布隆過濾器中呢？
很簡單，我們隻需要将這個新的資料通過上面自定義的幾個哈希函數，分别算出各個值，然後看其對應的地方是否都是1，如果存在一個不是1的情況，那麼我們可以說，該新資料一定不存在于這個布隆過濾器中。
反過來說，如果通過哈希函數算出來的值，對應的地方都是1，那麼我們能夠肯定的得出：這個資料一定存在于這個布隆過濾器中嗎？
答案是否定的，因為多個不同的資料通過hash函數算出來的結果是會有重複的，是以會存在某個位置是别的資料通過hash函數置為的1。
我們可以得到一個結論：布隆過濾器可以判斷某個資料一定不存在，但是無法判斷一定存在。
③、布隆過濾器優缺點優點：優點很明顯，二進制組成的數組，占用記憶體極少，并且插入和查詢速度都足夠快。
缺點：随着資料的增加，誤判率會增加；還有無法判斷資料一定存在；另外還有一個重要缺點，無法删除資料。
3、Redis實作布隆過濾器
①、bitmaps我們知道計算機是以二進制位作為底層存儲的基礎機關，一個位元組等于8位。
比如“big”字元串是由三個字元組成的，這三個字元對應的ASCII碼分為是98、105、103，對應的二進制存儲如下：
在Redis中，Bitmaps 提供了一套指令用來操作類似上面字元串中的每一個位。
一、設定值
setbit key offset value
我們知道"b"的二進制表示為0110 0010，我們将第7位（從0開始）設定為1，那0110 0011 表示的就是字元“c”，是以最後的字元 “big”變成了“cig”。
二、擷取值
gitbit key offset
三、擷取位圖指定範圍值為1的個數
bitcount key [start end]
如果不指定，那就是擷取全部值為1的個數。
注意：start和end指定的是位元組的個數，而不是位數組下标。
Redis 實作布隆過濾器的底層就是通過 bitmap 這種資料結構，至于如何實作，這裡就不重複造輪子了，介紹業界比較好用的一個用戶端工具——Redisson。
Redisson 是用于在 Java 程式中操作 Redis 的庫，利用Redisson 我們可以在程式中輕松地使用 Redis。
下面我們就通過 Redisson 來構造布隆過濾器。
package com.ys.rediscluster.bloomfilter.redisson;
import org.redisson.Redisson;
import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;
public class RedissonBloomFilter {
public static void main(String[] args) {
Config config = new Config();
config.useSingleServer().setAddress("redis://192.168.14.104:6379");
config.useSingleServer().setPassword("123");
//構造Redisson
RedissonClient redisson = Redisson.create(config);
RBloomFilter<String> bloomFilter = redisson.getBloomFilter("phoneList");
//初始化布隆過濾器：預計元素為100000000L,誤差率為3%
bloomFilter.tryInit(100000000L,0.03);
//将号碼10086插入到布隆過濾器中
bloomFilter.add("10086");
//判斷下面号碼是否在布隆過濾器中
System.out.println(bloomFilter.contains("123456"));//false
System.out.println(bloomFilter.contains("10086"));//true
}
}
這是單節點的Redis實作方式，如果資料量比較大，期望的誤差率又很低，那單節點所提供的記憶體是無法滿足的，這時候可以使用分布式布隆過濾器，同樣也可以用 Redisson 來實作，這裡我就不做代碼示範了，大家有興趣可以試試。
4、guava 工具
最後提一下不用Redis如何來實作布隆過濾器。
guava 工具包相信大家都用過，這是谷歌公司提供的，裡面也提供了布隆過濾器的實作。
package com.ys.rediscluster.bloomfilter;
import com.google.common.base.Charsets;
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnel;
import com.google.common.hash.Funnels;
public class GuavaBloomFilter {
public static void main(String[] args) {
BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8),100000,0.01);
bloomFilter.put("10086");
System.out.println(bloomFilter.mightContain("123456"));
System.out.println(bloomFilter.mightContain("10086"));
}
}
本系列教程持續更新，可以微信搜尋「 IT可樂 」第一時間閱讀。回複《電子書》有我為大家特别篩選的書籍資料
http://weixin.qq.com/r/iSqbg-fEGqplrbPg93_b (二維碼自動識别)