概述
在缓存穿透的解决方案中,有个方案是使用布隆过滤器,可以把它理解成一个集合类型的数据结构,用来判断一个数据是否在这个集合中存在。那么很多人会想用HashSet等类型的数据结构不可以么?HashSet和布隆过滤器存的量级不同,布隆过滤器可以存大量的数据。何为大量?HashSet、HashMap这些类型所存的数据量,跟你分配给jvm的内存空间有关,如果太大了超出了怎么办?那就可以考虑使用布隆过滤器。
布隆过滤器
布隆过滤器是一个叫“布隆”的人提出的。我们可以把它看作由二进制向量(或者说位数组)和一系列随机映射函数(哈希函数)两部分组成的数据结构。如下图:
可以看出,它其实就是一个位数组,位数组中的每个元素都只占用 1 bit ,并且每个元素只能是 0 或者 1。这样申请一个 100w 个元素的位数组只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空间。
布隆过滤器的原理
当一个元素加入布隆过滤器中的时候,会进行如下操作:
- 使用布隆过滤器中的哈希函数对元素值进行计算,得到哈希值(有几个哈希函数得到几个哈希值)
- 根据得到的哈希值,在位数组中把对应下标的值置为 1
当我们需要判断一个元素是否存在于布隆过滤器的时候,会进行如下操作:
- 对该元素进行相同的哈希计算,得到哈希值(有几个哈希函数得到几个哈希值)
- 然后通过哈希值查找在位数组中的位置,判断位数组中的该位置的元素是否都为 1,如果值都为 1,那么说明这个值在布隆过滤器中,如果存在一个值不为 1,说明该元素不在布隆过滤器中
如上图所示,当字符串存储要加入到布隆过滤器中时,该字符串首先由多个哈希函数生成不同的哈希值,然后在对应的位数组的下表的元素设置为 1(当位数组初始化时 ,所有位置均为0)。当第二次存储相同字符串时,因为先前的对应位置已设置为1,所以很容易知道此值已经存在(去重非常方便)。
布隆过滤器使用场景
- 判断给定数据是否存在:除了文章开头提到的缓存穿透外,还有比如判断一个数字是否在于包含大量数字的数字集中(数字集很大,5亿以上!)、邮箱的垃圾邮件过滤、黑名单功能、车辆套牌判断等等
- 去重:比如消息队列的消息是否重复消费、接口幂等判断等等
布隆过滤器的实现
- Google开源的 Guava中自带的布隆过滤器BloomFilter
- 首先,需要在pom文件中加入guava依赖
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>28.0-jre</version>
</dependency>
- 代码中使用,这里就直接在一个SpringBoot项目中使用了,创建BloomFilterController类
/**
* @ClassName BloomFilterController
* @Description //布隆过滤器测试
* @Author singleZhang
* @Email 405780096@qq.com
* @Date 2020/12/25 0025 上午 10:44
**/
@RestController
@RequestMapping("/bloom")
public class BloomFilterController {
private final static BloomFilter<Integer> filter = BloomFilter.create(
Funnels.integerFunnel(),
1500,
0.01);
static {
System.out.println("布隆过滤器初始化");
for (Integer i=0;i<10;i++) {
filter.put(i);
}
}
@GetMapping("/test")
public void test(){
// 判断指定元素是否存在
System.out.println(filter.mightContain(1));
System.out.println(filter.mightContain(2));
// 将元素添加进布隆过滤器
boolean x = filter.put(1);
boolean y = filter.put(2);
System.out.println("x=" + x);
System.out.println("y="+ y);
}
}
执行结果如下
当 mightContain() 方法返回 true 时,我们可以 99% 确定该元素在过滤器中,当过滤器返回 false 时,我们可以 100% 确定该元素不存在于过滤器中。
具体实现可以阅读以下Guava中BloomFilter类的源码,来加深印象。
※注:Guava的布隆过滤器有一个重大的缺陷就是只能单机使用(另外,容量扩展也不容易),而现在互联网一般都是分布式的场景
- 通过java代码,自定义实现布隆过滤器
如果你想要手动实现一个的话,你需要:
- 一个合适大小的位数组保存数据
- 几个不同的哈希函数
- 添加元素到位数组(布隆过滤器)的方法实现
- 判断给定元素是否存在于位数组(布隆过滤器)的方法实现。
创建一个布隆过滤器类BloomFilter
package com.zhxin.threadLab.bloomfilter;
import java.util.BitSet;
/**
* @ClassName BloomFilter
* @Description //简单布隆过滤器实现
* @Author singleZhang
* @Email 405780096@qq.com
* @Date 2020/12/25 0025 上午 11:15
**/
public class BloomFilter {
/**
* 位数组的大小 33554432
*/
private static final int DEFAULT_SIZE = 2 << 24;
/**
* 通过这个数组可以创建 6 个不同的哈希函数
*/
private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};
/**
* 位数组。数组中的元素只能是 0 或者 1
*/
private BitSet bits = new BitSet(DEFAULT_SIZE);
/**
* 存放包含 hash 函数的类的数组
*/
private SimpleHash[] func = new SimpleHash[SEEDS.length];
/**
* 初始化多个包含 hash 函数的类的数组,每个类中的 hash 函数都不一样
*/
public BloomFilter() {
// 初始化多个不同的 Hash 函数
for (int i = 0; i < SEEDS.length; i++) {
func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
}
}
/**
* 添加元素到位数组
*/
public void add(Object value) {
for (SimpleHash f : func) {
bits.set(f.hash(value), true);
}
}
/**
* 判断指定元素是否存在于位数组
*/
public Boolean contains(Object value) {
Boolean ret = true;
for (SimpleHash f : func) {
ret = ret && bits.get(f.hash(value));
}
return ret;
}
/**
* 静态内部类。用于 hash 操作!
*/
public static class SimpleHash {
private int cap;
private int seed;
public SimpleHash(int cap, int seed) {
this.cap = cap;
this.seed = seed;
}
/**
* 计算 hash 值
*/
public int hash(Object value) {
int h;
return (value == null) 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));
}
}
//测试
public static void main(String[] args){
// Test1
String value1 = "xxxxxxx";
String value2 = "yyyyyyy";
BloomFilter filter = new BloomFilter();
System.out.println(filter.contains(value1));
System.out.println(filter.contains(value2));
filter.add(value1);
filter.add(value2);
System.out.println(filter.contains(value1));
System.out.println(filter.contains(value2));
//Test2
Integer value3 = 13423;
Integer value4 = 22131;
BloomFilter filter2 = new BloomFilter();
System.out.println(filter.contains(value3));
System.out.println(filter.contains(value4));
filter.add(value3);
filter.add(value4);
System.out.println(filter.contains(value3));
System.out.println(filter.contains(value4));
}
}
运行结果如下
- Redis 使用Jedis实现布隆过滤器
- 准备一个jedis工具类JedisUtils,具体关注布隆过滤器部分setBloomFilterKey、getBloomFilterValue两个方法
/**
* @ClassName JedisUtils
* @Description //Jedis工具类
* @Author singleZhang
* @Email 405780096@qq.com
* @Date 2020/12/25 0025 上午 11:51
**/
public class JedisUtils {
private static Logger logger = LoggerFactory.getLogger(JedisUtils.class);
private static String ADDR = "127.0.0.1";
private static String AUTH = "123123";
private static int PORT = 6379;
private static int MAX_ACTIVE = 300;
private static int MAX_IDLE = 200;
private static int MAX_WAIT = 10000;
private static int TIMEOUT = 10000;
private static boolean TEST_ON_BORROW = true;
private static JedisPool jedisPool = null;
static {
try {
init();
} catch (Exception e) {
logger.error("初始化Redis出错," + e);
}
}
private synchronized static void init() {
JedisPoolConfig config = new JedisPoolConfig();
config.setMaxIdle(MAX_IDLE);
config.setMaxWaitMillis(MAX_WAIT);
config.setTestOnBorrow(TEST_ON_BORROW);
config.setMaxTotal(MAX_ACTIVE);
jedisPool = new JedisPool(config, ADDR, PORT, TIMEOUT, AUTH);
}
/** 布隆过滤器 **/
/**
* 根据索引从bitmap中获取值
* @param bitIndex bitset的索引值
* @return
*/
public static boolean getBloomFilterValue(String key,int bitIndex) {
Jedis jedis = null;
boolean flag = false;
try {
jedis = getResource();
flag = jedis.getbit(key, bitIndex);
} catch (Exception e) {
e.printStackTrace();
} finally {
if(null != jedis) {
jedis.close();
}
}
return flag;
}
/**
* 在bitset中设置key和value
* @param bitIndex
* @param b
*/
public static void setBloomFilterKey(String key,int bitIndex, boolean b) {
Jedis jedis = null;
try {
jedis = getResource();
jedis.setbit(key, bitIndex, b);
} catch (Exception e) {
e.printStackTrace();
} finally {
if(null != jedis) {
jedis.close();
}
}
}
}
- 准备一个对象工具类ObjectUtils
/**
* @ClassName ObjectUtils
* @Description //对象工具类
* @Author singleZhang
* @Email 405780096@qq.com
* @Date 2020/12/25 0025 上午 11:58
**/
public class ObjectUtils {
/**
* 序列化
* */
public static byte[] serialize(Object object) {
ObjectOutputStream oos = null;
ByteArrayOutputStream baos = null;
try {
if (object != null){
baos = new ByteArrayOutputStream();
oos = new ObjectOutputStream(baos);
oos.writeObject(object);
return baos.toByteArray();
}
} catch (Exception e) {
e.printStackTrace();
}
return null;
}
/**
* 反序列化
* */
public static Object unserialize(byte[] bytes) {
ByteArrayInputStream bais = null;
try {
if (bytes != null && bytes.length > 0){
bais = new ByteArrayInputStream(bytes);
ObjectInputStream ois = new ObjectInputStream(bais);
return ois.readObject();
}
} catch (Exception e) {
e.printStackTrace();
}
return null;
}
}
- 接下来实现一个布隆过滤器BloomFilterUtil
/**
* @ClassName BloomFilterUtil
* @Description //布隆过滤器工具类
* @Author singleZhang
* @Email 405780096@qq.com
* @Date 2020/12/25 0025 上午 11:47
**/
public class BloomFilterUtil {
// 布隆过滤器key1
private static final String USER_ID_BIT_SET = "user_id_strhash_bloomfilter";
// 初始化集合长度
private static final int length = Integer.MAX_VALUE;
// 准备hash计算次数
private static final int HASH_LENGTH = 5;
/**
* 准备自定义哈希算法需要用到的质数,因为一条数据需要hash计算5次 且5次的结果要不一样
*/
private static int[] primeNums = new int[] { 17, 19, 29, 31, 37 };
/**
* 添加元素到bitSet中
* @param key
*/
public static void addKey(String key) {
for (int i : primeNums) {
// 计算hashcode
int hashcode = hash(key, i);
// 计算映射在bitset上的位置
int bitIndex = hashcode & (length - 1);
JedisUtils.setBloomFilterKey(USER_ID_BIT_SET, bitIndex, true);
}
}
/**
* 判断bitSet中是否有被查询的的key(经过hash处理之后的)
* @param key
* @return
*/
public static boolean hasKey(String key) {
for (int i : primeNums) {
// 计算hashcode
int hashcode = hash(key, i);
// 计算映射在bitset上的位置
int bitIndex = hashcode & (length - 1);
// 只要有一个位置对应不上,则返回false
if (!JedisUtils.getBloomFilterValue(USER_ID_BIT_SET, bitIndex)) {
return false;
}
}
return true;
}
/**
* 自定义hash函数
* @param key
* @param prime
* @return
*/
private static int hash(String key,int prime) {
int h = 0;
char[] value = key.toCharArray();
if (h == 0 && value.length > 0) {
char val[] = value;
for (int i = 0; i < value.length; i++) {
h = prime * h + val[i];
}
}
return h;
}
}
- 另外Redisson也有布隆过滤器的实现RedissonBloomFilter,这里就不展开了
总结
布隆过滤器在开发中还是比较实用的,如果是用于分布式系统中,推荐使用redis或redisson的实现方式。