Redis詳解(十三)------ Redis布隆過濾器

YSOcean發表於2020-06-03

  本篇部落格我們主要介紹如何用Redis實現布隆過濾器,但是在介紹布隆過濾器之前,我們首先介紹一下,為啥要使用布隆過濾器。

1、布隆過濾器使用場景

  比如有如下幾個需求:

  ①、原本有10億個號碼,現在又來了10萬個號碼,要快速準確判斷這10萬個號碼是否在10億個號碼庫中?

  解決辦法一:將10億個號碼存入資料庫中,進行資料庫查詢,準確性有了,但是速度會比較慢。

  解決辦法二:將10億號碼放入記憶體中,比如Redis快取中,這裡我們算一下佔用記憶體大小:10億*8位元組=8GB,通過記憶體查詢,準確性和速度都有了,但是大約8gb的記憶體空間,挺浪費記憶體空間的。

  ②、接觸過爬蟲的,應該有這麼一個需求,需要爬蟲的網站千千萬萬,對於一個新的網站url,我們如何判斷這個url我們是否已經爬過了?

  解決辦法還是上面的兩種,很顯然,都不太好。

  ③、同理還有垃圾郵箱的過濾。

  那麼對於類似這種,大資料量集合,如何準確快速的判斷某個資料是否在大資料量集合中,並且不佔用記憶體,布隆過濾器應運而生了。

2、布隆過濾器簡介

  帶著上面的幾個疑問,我們來看看到底什麼是布隆過濾器。

  布隆過濾器:一種資料結構,是由一串很長的二進位制向量組成,可以將其看成一個二進位制陣列。既然是二進位制,那麼裡面存放的不是0,就是1,但是初始預設值都是0。

  如下所示:

  

  ①、新增資料

  介紹概念的時候,我們說可以將布隆過濾器看成一個容器,那麼如何向布隆過濾器中新增一個資料呢?

  如下圖所示:當要向布隆過濾器中新增一個元素key時,我們通過多個hash函式,算出一個值,然後將這個值所在的方格置為1。

  比如,下圖hash1(key)=1,那麼在第2個格子將0變為1(陣列是從0開始計數的),hash2(key)=7,那麼將第8個格子置位1,依次類推。

  

 

  ②、判斷資料是否存在?

  知道了如何向布隆過濾器中新增一個資料,那麼新來一個資料,我們如何判斷其是否存在於這個布隆過濾器中呢?

  很簡單,我們只需要將這個新的資料通過上面自定義的幾個雜湊函式,分別算出各個值,然後看其對應的地方是否都是1,如果存在一個不是1的情況,那麼我們可以說,該新資料一定不存在於這個布隆過濾器中。

  反過來說,如果通過雜湊函式算出來的值,對應的地方都是1,那麼我們能夠肯定的得出:這個資料一定存在於這個布隆過濾器中嗎?

  答案是否定的,因為多個不同的資料通過hash函式算出來的結果是會有重複的,所以會存在某個位置是別的資料通過hash函式置為的1。

  我們可以得到一個結論:布隆過濾器可以判斷某個資料一定不存在,但是無法判斷一定存在

  ③、布隆過濾器優缺點

  優點:優點很明顯,二進位制組成的陣列,佔用記憶體極少,並且插入和查詢速度都足夠快。

  缺點:隨著資料的增加,誤判率會增加;還有無法判斷資料一定存在;另外還有一個重要缺點,無法刪除資料。

3、Redis實現布隆過濾器

①、bitmaps

  我們知道計算機是以二進位制位作為底層儲存的基礎單位,一個位元組等於8位。

  比如“big”字串是由三個字元組成的,這三個字元對應的ASCII碼分為是98、105、103,對應的二進位制儲存如下:

  

 

 

  在Redis中,Bitmaps 提供了一套命令用來操作類似上面字串中的每一個位。

  一、設定值

setbit key offset value

  

 

   我們知道"b"的二進位制表示為0110 0010,我們將第7位(從0開始)設定為1,那0110 0011 表示的就是字元“c”,所以最後的字元 “big”變成了“cig”。

  二、獲取值

gitbit key offset

  

   三、獲取點陣圖指定範圍值為1的個數

bitcount key [start end]

  如果不指定,那就是獲取全部值為1的個數。

  注意:start和end指定的是位元組的個數,而不是位陣列下標。

  

②、Redisson

  Redis 實現布隆過濾器的底層就是通過 bitmap 這種資料結構,至於如何實現,這裡就不重複造輪子了,介紹業界比較好用的一個客戶端工具——Redisson。

  Redisson 是用於在 Java 程式中操作 Redis 的庫,利用Redisson 我們可以在程式中輕鬆地使用 Redis。

  下面我們就通過 Redisson 來構造布隆過濾器。

 1 package com.ys.rediscluster.bloomfilter.redisson;
 2 
 3 import org.redisson.Redisson;
 4 import org.redisson.api.RBloomFilter;
 5 import org.redisson.api.RedissonClient;
 6 import org.redisson.config.Config;
 7 
 8 public class RedissonBloomFilter {
 9 
10     public static void main(String[] args) {
11         Config config = new Config();
12         config.useSingleServer().setAddress("redis://192.168.14.104:6379");
13         config.useSingleServer().setPassword("123");
14         //構造Redisson
15         RedissonClient redisson = Redisson.create(config);
16 
17         RBloomFilter<String> bloomFilter = redisson.getBloomFilter("phoneList");
18         //初始化布隆過濾器:預計元素為100000000L,誤差率為3%
19         bloomFilter.tryInit(100000000L,0.03);
20         //將號碼10086插入到布隆過濾器中
21         bloomFilter.add("10086");
22 
23         //判斷下面號碼是否在布隆過濾器中
24         System.out.println(bloomFilter.contains("123456"));//false
25         System.out.println(bloomFilter.contains("10086"));//true
26     }
27 }

  這是單節點的Redis實現方式,如果資料量比較大,期望的誤差率又很低,那單節點所提供的記憶體是無法滿足的,這時候可以使用分散式布隆過濾器,同樣也可以用 Redisson 來實現,這裡我就不做程式碼演示了,大家有興趣可以試試。

4、guava 工具

  最後提一下不用Redis如何來實現布隆過濾器。

  guava 工具包相信大家都用過,這是谷歌公司提供的,裡面也提供了布隆過濾器的實現。

 1 package com.ys.rediscluster.bloomfilter;
 2 
 3 import com.google.common.base.Charsets;
 4 import com.google.common.hash.BloomFilter;
 5 import com.google.common.hash.Funnel;
 6 import com.google.common.hash.Funnels;
 7 
 8 public class GuavaBloomFilter {
 9     public static void main(String[] args) {
10         BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8),100000,0.01);
11 
12         bloomFilter.put("10086");
13 
14         System.out.println(bloomFilter.mightContain("123456"));
15         System.out.println(bloomFilter.mightContain("10086"));
16     }
17 }

 

相關文章