介绍

        布隆过滤器(BloomFilter)是一种数据结构，特点是高效地插入和查询，可以用来告诉你某个key一定不存在或者可能存在，它是用多个哈希函数，将一个key映射到多个数组下标中。

特点

        布隆过滤器可以告诉我们 "某样东西一定不存在或者可能存在"，也就是说布隆过滤器说这个key不存在则一定不存在，布隆过滤器说这个key存在则可能不存在（会存在误判），利用这个判断是否存在的特点可以做很多有趣的事情。

数据结构

        由一串很长的二进制数组向量组成，可以将其看成一个二进制数组。既然是二进制，那么里面存放的不是0，就是1，但是初始默认值都是0。

新增数据

redis布隆过滤器实现 java_java

         把一个key经过多个hash函数计算出多个数组下标，把计算出的下标的位置的0变成1。

查询数据

        当要查询一个key是否在布隆过滤器中，用相同的方法计算出多个1，判断根据这个key计算出的多个1的位置在布隆过滤器中是否都是1，如果都是那么代表可能存在，如果不都是代表一定不存在。

删除数据

        布隆过滤器很难进行删除操作。

作用

        高效判断一个数据在不在某一组数据中。

误差率

        创建布隆过滤器时，可以设置误差率，误差率越小，hash函数越多，二进制数据占用空间越大。hash函数越多，计算出的hash值多，对应计算出的二进制数组下标越多，效率越低，有一个位置在布隆过滤器中置不为1，就代表不存在，精确度越高。

业务使用

        布隆过滤器就是在Redis缓存前面在加一层过滤，负责过滤无效的请求，如果请求没有通过布隆过滤器就不会到缓存和数据库。

布隆过滤器的优点

  • 空间效率 和 查询效率都远远超过一般的算法。
  • 增加和查询元素的时间复杂为O(N)（N为哈希函数的个数，通常情况比较小）。
  • 占用空间小，如果允许存在一定的误判，布隆过滤器是非常节省空间。
  • 保密性强，布隆过滤器不存储数据本身。

布隆过滤器的缺点

  • 有一定的误判率，但是可以通过调整参数来降低。
  • 无法获取元素本身。
  • 很难删除元素。

快速开始

导入依赖

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>28.0-jre</version>
</dependency>

配置类

把布隆过滤器对象注入进IOC容器。

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import java.nio.charset.Charset;

@Configuration
public class BloomFilterConfig {
    /**
     * expectedInsertions：期望添加的数据个数
     * fpp：期望的误判率，期望的误判率越低，布隆过滤器计算时间越长
     * @return
     */
    @Bean
    public BloomFilter<String> goodsIDBloom(){
        BloomFilter<String> filter = BloomFilter.create(Funnels.stringFunnel(Charset.forName("utf-8")), 1000,0.00001);
        return filter;
    }

    @Bean
    public BloomFilter<String> orderBloom(){
        BloomFilter<String> filter = BloomFilter.create(Funnels.stringFunnel(Charset.forName("utf-8")), 1000,0.00001);
        return filter;
    }
}

启动项目时把所有key插入布隆过滤器

import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper;
import com.google.common.hash.BloomFilter;
import com.liu.seckill.entity.SeckillGood;
import com.liu.seckill.service.SeckillGoodService;
import com.liu.seckill.service.UserService;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.InitializingBean;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.scheduling.annotation.Scheduled;
import java.time.Duration;
import java.time.LocalDateTime;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.concurrent.TimeUnit;

@Slf4j
@Configuration
public class InitConfig implements InitializingBean {
    @Autowired
    UserService userService;
    @Autowired
    SeckillGoodService seckillGoodService;
    @Autowired
    RedisTemplate redisTemplate;
    @Autowired
    RedisConfig redisConfig;
    @Autowired
    @Qualifier("goodsIDBloom")
    BloomFilter<String> goodsIDBloom;
    /**
     * 把商品库存加载到 Redis中
     * 每天更新
     * @throws Exception
     */
    @Override
    @Scheduled(fixedRate = 1000*60*60*24)
    public void afterPropertiesSet() throws Exception {
        //只缓存秒杀还没结束或秒杀还没开始的商品
        List<SeckillGood> seckillGoods = seckillGoodService.list(new QueryWrapper<SeckillGood>().ge("end_time", LocalDateTime.now()));
        if (seckillGoods == null) {
            log.info("暂无秒杀商品");
            return;
        }
        //将秒杀商品ID和库存分别存入redis中
        List<Long> seckillGoodIDList = new ArrayList<>();
        for (SeckillGood seckillGood : seckillGoods) {
            seckillGoodIDList.add(seckillGood.getSgId());
            //设置过期时间
            long millis = Duration.between(LocalDateTime.now(), seckillGood.getEndTime()).toMillis();
            redisTemplate.opsForValue().set("seckillGoodID:" + seckillGood.getSgId(), seckillGood.getSgStock(), millis, TimeUnit.MILLISECONDS);
            //存储值到布隆过滤器中
            goodsIDBloom.put(seckillGood.getSgId()+"");
        }
        redisTemplate.opsForValue().set("seckillGoodIDList:", seckillGoodIDList,1,TimeUnit.DAYS);

    }
}

使用布隆过滤器

查询redis之前先走布隆过滤器，如果布隆过滤器判断没有则一定没有。

@RestController
@Slf4j
@RequestMapping("/seckillOrder")
public class SeckillOrderController  {
 	//如果有多个布隆过滤器，就同时使用@Qualifier和@Autowired
    @Autowired
    @Qualifier("goodsIDBloom")
    BloomFilter<String> goodsIDBloom;
    @Autowired
    @Qualifier("orderBloom")
    BloomFilter<String> orderBloom;

    @GetMapping("/seckillGoods/{goodId}")
    public Result seckillGoods(@PathVariable("goodId") Long goodId) {
        ValueOperations valueOperations = redisTemplate.opsForValue();

        //判断秒杀商品是否存在
        //如果商品id在布隆过滤器中存在，那么就要再去判断在不在redis中，在，才能证明真的在
        if (goodsIDBloom.mightContain(goodId+"")){
            ArrayList<Long> seckillGoodIDList = (ArrayList<Long>) valueOperations.get("seckillGoodIDList:");
            Assert.isTrue(seckillGoodIDList.contains(goodId),"未找到该商品，商品ID有误或此商品不参与秒杀或此商品秒杀已结束");
        }else {
            Assert.isTrue(false,"未找到该商品，商品ID有误或此商品不参与秒杀或此商品秒杀已结束");
        }
    }
}