目錄
- 1. 簡介
- 2. guava 實現
- 2.1 導入依賴
- 2.2 BloomFilterTest
- 2.3 啟動測試
- 2.4 小節(jié)
- 3. redisson 實現
- 3.1 導入依賴
- 3.2 BloomFilterWithRedisson
- 3.3 啟動測試
1. 簡介
布隆過濾器是防止緩存穿透的方案之一。布隆過濾器主要是解決大規(guī)模數據下不需要精確過濾的業(yè)務場景,如檢查垃圾郵件地址,爬蟲URL地址去重, 解決緩存穿透問題等。
布隆過濾器:在一個存在一定數量的集合中過濾一個對應的元素,判斷該元素是否一定不在集合中或者可能在集合中。它的優(yōu)點是空間效率和查詢時間都比一般的算法要好的多,缺點是有一定的誤識別率和刪除困難。
2. guava 實現
google的guava工具類已經幫我們造好了輪子,通過實例來感受一下。
2.1 導入依賴
dependency>
groupId>com.google.guava/groupId>
artifactId>guava/artifactId>
version>30.1.1-jre/version>
/dependency>
2.2 BloomFilterTest
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import lombok.extern.slf4j.Slf4j;
/**
* 布隆過濾器簡單實現
* @author ludangxin
* @date 2021/8/16
*/
@Slf4j
public class BloomFilterTest {
/**
* 預計要插入元素個數
*/
private static final int SIZE = 1000000;
/**
* 誤判率
*/
private static final double FPP = 0.01;
/**
* 布隆過濾器
*/
private static final BloomFilterInteger> BLOOMFILTER = BloomFilter.create(Funnels.integerFunnel(), SIZE, FPP);
public static void main(String[] args) {
//插入數據
for (int i = 0; i 1000000; i++) {
BLOOMFILTER.put(i);
}
int count = 0;
// 過濾判斷
for (int i = 1000000; i 3000000; i++) {
if (BLOOMFILTER.mightContain(i)) {
count++;
log.info(i + "誤判了");
}
}
log.info("總共的誤判數:" + count);
}
}
2.3 啟動測試
如上代碼,我們設置了0.01的誤差,過濾判斷時從1000000到3000000,誤判了2 * 20000000 ≈ 20339 符合預期。
.....
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 2999004誤判了
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 2999045誤判了
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 2999219誤判了
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 2999699誤判了
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 2999753誤判了
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 2999838誤判了
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 2999923誤判了
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 2999928誤判了
21:40:21.529 [main] INFO com.ldx.redisson.controller.BloomFilterTest - 總共的誤判數:20339
2.4 小節(jié)
guava的工具包雖然好用,但是數據集是存儲在jvm中的,分布式環(huán)境下依然沒法使用。
3. redisson 實現
3.1 導入依賴
dependency>
groupId>org.redisson/groupId>
artifactId>redisson-spring-boot-starter/artifactId>
version>3.16.1/version>
/dependency>
3.2 BloomFilterWithRedisson
import lombok.RequiredArgsConstructor;
import lombok.extern.slf4j.Slf4j;
import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
/**
* redisson 布隆過濾器實現
*
* @author ludangxin
* @date 2021/8/16
*/
@Slf4j
@RestController
@RequestMapping("bloomFilter")
@RequiredArgsConstructor
public class BloomFilterWithRedisson {
private final RedissonClient redissonClient;
/**
* 預計要插入元素個數
*/
private static final long SIZE = 1000000L;
/**
* 誤判率
*/
private static final double FPP = 0.01;
/**
* 自定義布隆過濾器的 key
*/
private static final String BLOOM_FILTER_KEY = "bloomFilter";
/**
* 向布隆過濾器中添加數據, 模擬向布隆過濾器中添加10億個數據
*/
@GetMapping
public void filter() {
// 獲取布隆過濾器
RBloomFilterInteger> bloomFilter = redissonClient.getBloomFilter(BLOOM_FILTER_KEY);
// 初始化,容量為100萬, 誤判率為0.01
bloomFilter.tryInit(SIZE, FPP);
// 模擬向布隆過濾器中添加100萬個數據
for (int i = 0; i SIZE; i++) {
bloomFilter.add(i);
}
int count = 0;
// 過濾判斷
for (int i = 1000000; i 3000000; i++) {
if (bloomFilter.contains(i)) {
count++;
log.info(i + "誤判了");
}
}
log.info("size:" + bloomFilter.getSize());
log.info("總共的誤判數:" + count);
}
}
3.3 啟動測試
由于機器性能有限,又是單機環(huán)境,所以程序沒有跑完。
但由此也可以看出,基于redis的布隆過濾器雖然解決了分布式問題,但是性能和guava bloomfilter沒法比。
到此這篇關于Redis BloomFilter實例講解的文章就介紹到這了,更多相關Redis BloomFilter實例內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
您可能感興趣的文章:- Redis使用元素刪除的布隆過濾器來解決緩存穿透問題
- 布隆過濾器(bloom filter)及php和redis實現布隆過濾器的方法
- Redis實現布隆過濾器的方法及原理
- Redis 中的布隆過濾器的實現