鞍山一般做一个网站需要多少钱,网络求职做阿姨哪个网站好,建设网站服务器怎么选,重庆地区专业做网站的公司文章目录 1.什么是布隆过滤器#xff1f;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6.1介绍6.2使用Docker安装6.3常用命令一览6.4实际使用 1.什么是布隆过滤器#xf… 文章目录 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6.1介绍6.2使用Docker安装6.3常用命令一览6.4实际使用 1.什么是布隆过滤器
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。 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。
2.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
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。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
对给定元素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。
举个简单的例子 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在对应的位数组的下表的元素设置为 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。
3.布隆过滤器使用场景
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。去重比如爬给定网址的时候对已经爬取过的 URL 去重。
4.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
一个合适大小的位数组保存数据几个不同的哈希函数添加元素到位数组布隆过滤器的方法实现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
import java.util.BitSet;public class MyBloomFilter {/*** 位数组的大小*/private static final int DEFAULT_SIZE 2 24;/*** 通过这个数组可以创建 6 个不同的哈希函数*/private static final int[] SEEDS new int[]{3, 13, 46, 71, 91, 134};/*** 位数组。数组中的元素只能是 0 或者 1*/private BitSet bits new BitSet(DEFAULT_SIZE);/*** 存放包含 hash 函数的类的数组*/private SimpleHash[] func new SimpleHash[SEEDS.length];/*** 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*/public MyBloomFilter() {// 初始化多个不同的 Hash 函数for (int i 0; i SEEDS.length; i) {func[i] new SimpleHash(DEFAULT_SIZE, SEEDS[i]);}}/*** 添加元素到位数组*/public void add(Object value) {for (SimpleHash f : func) {bits.set(f.hash(value), true);}}/*** 判断指定元素是否存在于位数组*/public boolean contains(Object value) {boolean ret true;for (SimpleHash f : func) {ret ret bits.get(f.hash(value));}return ret;}/*** 静态内部类。用于 hash 操作*/public static class SimpleHash {private int cap;private int seed;public SimpleHash(int cap, int seed) {this.cap cap;this.seed seed;}/*** 计算 hash 值*/public int hash(Object value) {int h;return (value null) ? 0 : Math.abs(seed * (cap - 1) ((h value.hashCode()) ^ (h 16)));}}
}测试 String value1 https://javaguide.cn/;String value2 https://github.com/Snailclimb;MyBloomFilter filter new MyBloomFilter();System.out.println(filter.contains(value1));System.out.println(filter.contains(value2));filter.add(value1);filter.add(value2);System.out.println(filter.contains(value1));System.out.println(filter.contains(value2));Output:
false
false
true
true测试 Integer value1 13423;Integer value2 22131;MyBloomFilter filter new MyBloomFilter();System.out.println(filter.contains(value1));System.out.println(filter.contains(value2));filter.add(value1);filter.add(value2);System.out.println(filter.contains(value1));System.out.println(filter.contains(value2));Output:
false
false
true
true5.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。
首先我们需要在项目中引入 Guava 的依赖 dependencygroupIdcom.google.guava/groupIdartifactIdguava/artifactIdversion28.0-jre/version/dependency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BloomFilterInteger 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。
6.Redis 中的布隆过滤器
6.1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
redis-lua-scaling-bloom-filter lua 脚本实现https://github.com/erikdubbelboer/redis-lua-scaling-bloom-filterpyreBloomPython中的快速Redis 布隆过滤器 https://github.com/seomoz/pyreBloom…
RedisBloom 提供了多种语言的客户端支持包括Python、Java、JavaScript 和 PHP。
6.2使用Docker安装
如果我们需要体验 Redis 中的布隆过滤器非常简单通过 Docker 就可以了我们直接在 Google 搜索docker redis bloomfilter 然后在排除广告的第一条搜素结果就找到了我们想要的答案这是我平常解决问题的一种方式分享一下具体地址https://hub.docker.com/r/redislabs/rebloom/ 介绍的很详细 。
具体操作如下
➜ ~ docker run -p 6379:6379 --name redis-redisbloom redislabs/rebloom:latest
➜ ~ docker exec -it redis-redisbloom bash
root21396d02c252:/data# redis-cli
127.0.0.1:6379 6.3常用命令一览 注意 key:布隆过滤器的名称item : 添加的元素。 BF.ADD 将元素添加到布隆过滤器中如果该过滤器尚不存在则创建该过滤器。格式BF.ADD {key} {item}。BF.MADD : 将一个或多个元素添加到“布隆过滤器”中并创建一个尚不存在的过滤器。该命令的操作方式BF.ADD与之相同只不过它允许多个输入并返回多个值。格式BF.MADD {key} {item} [item ...] 。**BF.EXISTS ** : 确定元素是否在布隆过滤器中存在。格式BF.EXISTS {key} {item}。BF.MEXISTS 确定一个或者多个元素是否在布隆过滤器中存在格式BF.MEXISTS {key} {item} [item ...]。
另外BF.RESERVE 命令需要单独介绍一下
这个命令的格式如下
BF.RESERVE {key} {error_rate} {capacity} [EXPANSION expansion] 。
下面简单介绍一下每个参数的具体含义
key布隆过滤器的名称error_rate :误报的期望概率。这应该是介于0到1之间的十进制值。例如对于期望的误报率0.11000中为1error_rate应该设置为0.001。该数字越接近零则每个项目的内存消耗越大并且每个操作的CPU使用率越高。capacity: 过滤器的容量。当实际存储的元素个数超过这个值之后性能将开始下降。实际的降级将取决于超出限制的程度。随着过滤器元素数量呈指数增长性能将线性下降。
可选参数
expansion如果创建了一个新的子过滤器则其大小将是当前过滤器的大小乘以expansion。默认扩展值为2。这意味着每个后续子过滤器将是前一个子过滤器的两倍。
6.4实际使用
127.0.0.1:6379 BF.ADD myFilter java
(integer) 1
127.0.0.1:6379 BF.ADD myFilter javaguide
(integer) 1
127.0.0.1:6379 BF.EXISTS myFilter java
(integer) 1
127.0.0.1:6379 BF.EXISTS myFilter javaguide
(integer) 1
127.0.0.1:6379 BF.EXISTS myFilter github
(integer) 0
