Redis系列之什么是布隆过滤器？

Redis系列之什么是布隆过滤器？

1、前言

前面的学习，我们知道了Redis的很多应用场景，但是最常见的还是缓存，“性能不够，缓存来凑”，在一些高并发的场景合理的使用缓存，还是可以减缓系统压力的。

画流程图表示缓存的一个典型场景：客户端发送请求，会先去缓存里读取数据，能读到数据，直接返回，不能命中缓存，再去读数据库，然后再预热到缓存里

但是这个场景有个严重的缺陷，假如有海量的请求每次请求都不能命中缓存，那就会直接访问到数据库，很容易造成数据库压力过大，这种场景就是面试中经常问到的redis缓存穿透的场景。要避免这种情况的出现，我们可以加一层过滤，如果没命中缓存，直接返回就行，避免了大量请求访问到数据库。

2、学习计划

• 知道什么是布隆过滤器
• 布隆过滤器的构建原理
• 布隆过滤器的适用场景

3、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数组。布隆过滤器有一系列随机映射函数，可以用于检索一个元素是否在一个集合中。

• 优点：占用空间和查询速度很快，比起使用Set去重会节省90%的空间，而且查询速度也很快
• 缺点：删除困难，也会有误识别率。简单来说，布隆过滤器识别存在某个数据时，可能集合里并不存在，识别集合中不存在某个数据，那就是不存在，所以布隆过滤器的误识别率是针对存在的数据来说的

4、布隆过滤器是如何构建的？

布隆过滤器本质就是一个二进制的数组，用0和1表示。

我们以电商场景中的订单编码为例，假如有一个订单编码code1，生成过程会进行布隆过滤器的去重，如图所示，这里只进行3次hash

Hash规则：如果hash后，原始下标为0，则将其从0变为1，如果是1的话，则不做改动

画流程图，布隆过滤器的执行过程

5、如何避免布隆过滤器误识别？

布隆过滤器存在一定的误识别率，要提高其识别准确度，可以从两方面入手

1. 增加二进制数组的长度，数组长度越长，hash后的数据会更加离散，hash冲突的概率会越小
2. 增加hash的次数，hash次数越多，冲突的概率越小

布隆过滤器识别数据存在的情况，不是特别准确的，存在一定误识别率，原因是存在hash冲突，可能会误识别

6、Redis中的布隆过滤器

Redis官方提供的布隆过滤器到了Redis4.0之后才作为一个插件加载到Redis Server中，给Redis提供了强大的布隆去重功能。

为了方便安装维护，可以直接使用docker来安装：

# docker pull rebloom插件
docker pull redislabs/rebloom
# 启动插件
docker run -p6379:6379 redislabs/rebloom
# 进入redis客户端，验证是否安装成功
redis-cli

7、布隆过滤器基本使用

下面通过一下简单命令，体验一下，在Redis中布隆过滤器有两个最基本的命令，bf.add添加元素，bf.exists查询元素是否存在，如果想要一次性添加多个，就需要用到bf.madd指令，如果需要一次性查询多个元素是否存在，需要用到bf.mexists指令

127.0.0.1:6379> bf.add testusername user1
(integer) 1
127.0.0.1:6379> bf.add testusername user2
(integer) 1
127.0.0.1:6379> bf.add testusername user3
(integer) 1
127.0.0.1:6379> bf.exists testusername user1
(integer) 1
127.0.0.1:6379> bf.exists testusername user2
(integer) 1
127.0.0.1:6379> bf.exists testusername user3
(integer) 1
127.0.0.1:6379> bf.exists testusername user4
(integer) 0
127.0.0.1:6379> bf.madd testusername user4 user5 user6
1) (integer) 1
2) (integer) 1
3) (integer) 1
127.0.0.1:6379> bf.mexists testusername user4 user5 user6 user7
1) (integer) 1
2) (integer) 1
3) (integer) 1
4) (integer) 0

8、布隆过滤器的应用场景

• 用于避免缓存穿透的发生，可以提高系统稳定性和高可用
• 新闻系统的推荐，用布隆过滤器识别用户已经看过的新闻，避免重复推送
• 爬虫程序对URL的去重，避免爬取相同的URL地址

参考资料

本博客参考网上博客的资料，也参考书籍的资料，书籍可以学习钱文品大佬的《Redis 深度历险：核心原理与应用实践 | 钱文品 著》