Redis實現(xiàn)布隆過濾器的方法及原理

布隆過濾器（Bloom Filter）是1970年由布隆提出的。它實際上是一個很長的二進(jìn)制向量和一系列隨機(jī)映射函數(shù)。布隆過濾器可以用于檢索一個元素是否在一個集合中。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。

本文將介紹布隆過濾器的原理以及Redis如何實現(xiàn)布隆過濾器。

應(yīng)用場景

1、50億個電話號碼，現(xiàn)有10萬個電話號碼，如何判斷這10萬個是否已經(jīng)存在在50億個之中？（可能方案：數(shù)據(jù)庫，set, hyperloglog）
2、新聞客戶端看新聞時，它會不斷推薦新的內(nèi)容，每次推薦時都要去重，那么如何實現(xiàn)推送去重？
3、爬蟲URL去重？
4、NoSQL數(shù)據(jù)庫領(lǐng)域降低數(shù)據(jù)庫的IO請求數(shù)量？
5、郵箱系統(tǒng)的垃圾郵件過濾？

布隆過濾器（Bloom Filter）就是專門來解決這種問題的，它起到去重的同時，在空間上還能節(jié)省90%以上，只是存在一定的誤判概率。

認(rèn)識布隆過濾器

布隆過濾器是一種類似set的數(shù)據(jù)結(jié)構(gòu)，只是不太準(zhǔn)確，當(dāng)用bf.exists判斷元素是否存在時返回結(jié)果存在但真實不一定存在；當(dāng)返回不存在時肯定是不存在，所以判斷去重時有一定的誤判概率。
當(dāng)然，誤判只會發(fā)生在過濾器沒有添加過的元素，對于添加過的元素不會發(fā)生誤判。
特點：高效地插入和查詢，占用空間少，返回的結(jié)果是不確定性的。

布隆過濾器原理

每個布隆過濾器對應(yīng)到Redis的數(shù)據(jù)結(jié)構(gòu)中就是一個大型的位數(shù)組和幾個不同的無偏hash函數(shù)，無偏表示分布均勻。

添加key時，使用多個hash函數(shù)對key進(jìn)行hash運(yùn)算得到一個整數(shù)索引值，對位數(shù)組長度進(jìn)行取模運(yùn)算得到一個位置，每個hash函數(shù)都會得到一個不同的位置，將這幾個位置都置1就完成了add操作。

查詢同理，只要有一位是0就表示這個key不存在，但如果都是1，則不一定存在對應(yīng)的key。

空間占用估計

布隆過濾器的空間占用有一個簡單的計算公式，但推導(dǎo)比較繁瑣。布隆過濾器有兩個參數(shù)，預(yù)計元素數(shù)量n，錯誤率f，公式得到兩個輸出，位數(shù)組長度L（即存儲空間大小bit），hash函數(shù)的最佳數(shù)量k。

k = 0.7*(1/n)
f = 0.6185^(L/n)

1、位數(shù)組相對長度越長，錯誤率越低；
2、位數(shù)組相對長度越長，需要的hash函數(shù)越多；
3、當(dāng)一個元素平均需要一個字節(jié)（8bit）的指紋空間時（L/n=8)，錯誤率大約為2%。

實際元素超出時，誤判率會怎樣變化？

f = (1-0.5^t)^k  # t為實際元素與預(yù)計元素的倍數(shù)
1、當(dāng)錯誤率為10%時，倍數(shù)比為2時，錯誤率接近40%；
2、當(dāng)錯誤率為1%，倍數(shù)比為2時，錯誤率15%；
3、當(dāng)錯誤率為0.1%，倍數(shù)為2時，錯誤率5%

Redis實現(xiàn)簡單Bloom Filter

要想使用redis提供的布隆過濾器，必須添加redis 4.0版本以上的插件才行，具體參照網(wǎng)上安裝步驟。

布隆過濾器有兩個基本指令，bf.add添加元素，bf.exists查詢元素是否存在，bf.madd一次添加多個元素，bf.mexists一次查詢多個元素。

> bf.add spiderurl www.baidu.com
> bf.exists spiderurl www.baidu.com
> bf.madd spiderurl www.sougou.com www.jd.com
> bf.mexists spiderurl www.jd.com www.taobao.com

布隆過濾器在第一次add的時候自動創(chuàng)建基于默認(rèn)參數(shù)的過濾器，Redis還提供了自定義參數(shù)的布隆過濾器。

在add之前使用bf.reserve指令顯式創(chuàng)建，其有3個參數(shù)，key，error_rate， initial_size，錯誤率越低，需要的空間越大，error_rate表示預(yù)計錯誤率，initial_size參數(shù)表示預(yù)計放入的元素數(shù)量，當(dāng)實際數(shù)量超過這個值時，誤判率會上升，所以需要提前設(shè)置一個較大的數(shù)值來避免超出。

默認(rèn)的error_rate是0.01，initial_size是100。

利用布隆過濾器減少磁盤 IO 或者網(wǎng)絡(luò)請求，因為一旦一個值必定不存在的話，我們可以不用進(jìn)行后續(xù)昂貴的查詢請求。

總結(jié)

以上所述是小編給大家介紹的Redis實現(xiàn)布隆過濾器的方法及原理，希望對大家有所幫助，如果大家有任何疑問歡迎給我留言，小編會及時回復(fù)大家的！