日常开发中，大家经常使用缓存，但是你知道大型的互联网公司面对高并发流量，要注意缓存穿透问题吗!!! 本 文会介绍布隆过滤器，空间换时间，以较低的内存空间、高效解决这个问题。
本篇文章的目录：
1、性能不够，缓存来凑
现在的年轻人都喜欢网购，没事就逛逛淘宝，剁剁手，买些自己喜欢的东西，释放下工作压力。
地址：
https://detail.tmall.com/item.htm?id=628993216729
上图是一个天猫 iphone12 的 商品详情页 ，id表示商品的编号
我们都知道淘宝的访问量是非常高的，为了提升系统的吞吐量，做了很多性能优化，其中非常重要一点是将信息异构到缓存中。
有句话说的好： 性能不够，缓存来凑。
但是，使用缓存时，我们要关注一个重要问题，如果缓存没有命中怎么办？
2、缓存没有命中，怎么办？
-
①我们先查询缓存，判断缓存中是否有数据
-
②如果有数据，直接返回
-
③如果缓存为空，我们需要再查一次数据库，并将数据格式异构化，然后预热到缓冲中，然后将结果返回
注意：
步骤 ③ 存在风险漏洞，如果缓存中数据不存在，压力会转嫁给数据库。假如被竞争对手利用，搞无效请求流量攻击，瞬间大量请求打到数据库中，对系统性能产生很大影响，很容易把数据库打挂，这种现象称为缓存穿透。
3、那么如何处理缓存穿透？
我们的思路是，缓存中能不能判断这个数据库值的存在性，如果真的不存在，直接返回，也避免一次数据库查询。
由于不存在是个 无限边界 ，所以，我们采用反向策略，将存在的值建立一个高效的检索。每次缓存取值时，先走一次判空检索。
简单归纳下，这个框架的要求：
-
快速检索
-
内存空间要非常小
经调研，我们发现 布隆过滤器 具备以上两个条件。
4、什么是布隆过滤器？
布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。
-
优点：空间效率和查询时间都远远超过一般的算法。
-
缺点：有一定的误识别率，删除困难。
5、布隆过滤器如何构建？
布隆过滤器本质上是一个 n 位的二进制数组，用0和1表示。
假如我们以商品为例，有三件商品，商品编码分别为， id1 、 id2 、 id3
a）首先，对 id1 ，进行三次哈希，并确定其在二进制数组中的位置。
三次哈希，对应的二进制数组下标分别是 2、5、8，将原始数据从 0 变为 1。
b）对 id2 ，进行三次哈希，并确定其在二进制数组中的位置。
三次哈希，对应的二进制数组下标分别是 2、7、98，将原始数据从 0 变为 1。
下标 2，之前已经被操作设置成 1，则本次认为是哈希冲突，不需要改动。
Hash 规则：如果在 Hash 后，原始位它是 0 的话，将其从 0 变为 1；如果本身这一位就是 1 的话，则保持不变。
6、布隆过滤器如何使用？
跟初始化的过程有点类似，当查询一件商品的缓存信息时，我们首先要判断这件商品是否存在。
-
通过三个哈希函数对商品id计算哈希值
-
然后，在布隆数组中查找访问对应的位值，0或1
-
判断，三个值中，只要有一个不是1，那么我们认为数据是不存在的。
注意：布隆过滤器只能精确判断数据不存在情况，对于存在我们只能说是可能，因为存在Hash冲突情况，当然这个概率非常低。
7、如何减少布隆过滤器的误判？
a） 增加二进制位数组的长度。这样经过hash后数据会更加的离散化，出现冲突的概率会大大降低
b）增加Hash的次数，变相的增加数据特征，特征越多，冲突的概率越小
8、布隆过滤器会不会很费内存？
带着疑问，我们来做个实验
假设有1千万个数据，我们需要记录其是否存在。存在的话标记1，不存在标记为0。技术选型，框架采用Redis的 BitMap 存储。
数据初始化预热代码：
redisTemplate.executePipelined(new RedisCallback<Long>() {
@Nullable
@Override
public Long doInRedis(RedisConnection connection) throws DataAccessException {
connection.openPipeline();
for (int offset = 10000000; offset >= 0; offset--) {
boolean value = offset % 2 == 0 ? true : false;
connection.setBit("bloom-filter-data-1".getBytes(), offset, value);
}
connection.closePipeline();
return null;
}
});
System.out.println("数据预热完成");
性能有点慢，我们也可以采用分组形式，10000个数一组，多批次提交。
数据上传完了后，大小 1.19M，跟我们设想的一样。
计算公式： 10000000/8/1024/1024=1.19M
9、Java应用中，如何使用布隆过滤器？代码实例
J ava语言的生态非常繁荣，提供了很多开箱即用的开源框架供我们使用。布隆过滤器也不例外，Java 中提供了一个 Redisson 的组件，它内置了布隆过滤器。
首先引入依赖包
<dependency>
<groupId>org.redisson</groupId>
<artifactId>redisson</artifactId>
<version>3.11.1</version>
</dependency>
代码示例：
/**
* @author 微信公众号：微观技术
*/
@Test
public void test5() {
Config config = new Config();
config.useSingleServer().setAddress("redis://172.16.67.37:6379");
RedissonClient cient = Redisson.create(config);
RBloomFilter<String> bloomFilter = cient.getBloomFilter("test5-bloom-filter");
// 初始化布隆过滤器，数组长度100W，误判率 1%
bloomFilter.tryInit(1000000L, 0.01);
// 添加数据
bloomFilter.add("Tom哥");
// 判断是否存在
System.out.println(bloomFilter.contains("微观技术"));
System.out.println(bloomFilter.contains("Tom哥"));
}
运行结果：
false // 肯定不存在 true // 可能存在，有1%的误判率
注意：误判率设置过小，会产生更多次的 Hash 操作，降低系统的性能。通常我们的建议值是 1%
10、布隆过滤器二进制数组，如何处理删除？
初始化后的布隆过滤器，可以直接拿来使用了。但是如果原始数据删除了怎么办？布隆过滤器二进制数组如何维护？
直接删除不行吗？
还真不行！因为这里面有Hash冲突的可能，会导致误删。
怎么办？
方案1：开发定时任务，每隔几个小时，自动创建一个新的布隆过滤器数组，替换老的，有点 CopyOnWriteArrayList 的味道
方案2：布隆过滤器增加一个等长的数组，存储计数器，主要解决冲突问题，每次删除时对应的计数器减一，如果结果为0，更新主数组的二进制值为0
11、布隆过滤器的应用场景
-
本文重点介绍的，解决缓存穿透
-
网页爬虫对URL的去重，避免爬取相同的URL地址
-
反垃圾邮件，从数十亿个垃圾邮件列表中判断某邮箱是否垃圾邮箱
标签：缓存,数组,二进制,布隆,哈希,过滤器 来源： https://blog.csdn.net/slw213106/article/details/122234603
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。