Redis:布隆过滤器

很庆幸redis4.0以后就内置布隆过滤器了；

127.0.0.1:6379> BF.ADD bloomWall user1
(integer) 1
127.0.0.1:6379> BF.ADD bloomWall user2
(integer) 1
127.0.0.1:6379> BF.ADD bloomWall user3
(integer) 1
127.0.0.1:6379> BF.EXISTS bloomWall  user2
(integer) 1
127.0.0.1:6379> BF.EXISTS bloomWall  user4
(integer) 0
127.0.0.1:6379>

布隆过滤器

使用场景

• 大流量场景：避免缓存穿透；只返回在布隆过滤器中出现过的相关数据，避免大量请求直接打到数据库服务上
• e.g:用户识别，有的不一定有（存在误差），没有的就是没有

原理

• 存储：S集合中有n个元素，利用k个哈希函数，将S中的每个元素映射到一个长度为m的位（bit）数组B中不同的位置上，这些位置上的二进制数均置为1
• 过滤：检测的元素经过这k个哈希函数的映射后，发现其k个位置上的二进制数不全是1，那么这个元素一定不在集合S中，反之，该元素可能是S中的某一个元素
• 计算函数k值：为了估算出k和m的值，在构造一个布隆过滤器时，需要传入两个参数，即可以接受的误判率fpp和元素总个数n（不一定完全精确）。
• 哈希函数的要求尽量满足平均分布，这样既降低误判发生的概率，又可以充分利用bit数组的空间；
• 公式：;

优势

• 空间:
• 效率: