Bloom filter
以一种简单的算法，高效的验证数据是否存在。
假如我们有一个需求：
当用户点击某一个的商品时，前台会将该商品的 ID 传给后台请求数据，后台根据 ID 将数据响应给前台，前台接收数据后进行渲染。
public Object getData(String key) {
Object data = null;
//数据在redis中不存在
if (!redisTemplate.hasKey(key)) {
//去数据库查，如果查到数据，则存放到redis中，并return数据
//如果没查到数据，则直接返回null
}
data = redisTemplate.opsForValue().get(key);
return data;
}
上面代码是一种很常见的写法，但是它存在问题：
如果缓存中不存在该数据，则会去数据库中拉取数据。当攻击者发现数据请求链接时，就会发送一个不存在的 ID 进行恶意攻击，因为redis中不存在该数据，系统将会去数据库中查询数据，如果请求并发量很高，可能会造成 数据库崩溃！
那么我们可以将代码进行改进：
public Object getData(String key) {
Object data = null;
//数据在redis中不存在
if (!redisTemplate.hasKey(key)) {
//去数据库查，如果查到数据，则存放到redis中，并return数据
//如果没查到数据，也存放到redis中，并return null
}
data = redisTemplate.opsForValue().get(key);
return data;
}
如果没有查到数据的话，也将 ID 存到redis中，那么下一次恶意攻击的时候会直接返回redis中的数据，不会去数据库中查询数据了。
这就结束了吗？没有这么简单！
如果攻击者每次都发送随机的 ID，那要怎么办呢？
使用 Bloom filter（布隆过滤器）
什么是布隆过滤器？
本质上布隆过滤器是一种数据结构，特点是高效地插入和查询，占用空间更少。根据查询结果可以用来告诉你某样东西 一定不存在 或者 可能存在。
初始化一个布隆过滤器：
在布隆过滤器中插入两个值 X 和 Y
(多次hash运算后，算出每次所在的下标，并将下标的值改成 1)
验证 Z 是否存在：
(多次hash运算后，算出每次所在的下标，如果下标全部为 1 则该数据可能存在，如果有一个下标为 0 则该数据一定不存在)
场景：
我们可以在程序刚运行的时候，读取数据库中的全部 ID，并将数据插入到布隆过滤器中。
那么在查询数据的时候，可以先通过布隆过滤器来判断值是否存在（可能会误判）
如果存在就可以获取数据，如果不存在就返回 null，保证了程序的安全。
