[[349127]]

這一篇是我重寫的，之前寫過(guò)一篇發(fā)現(xiàn)面試的時(shí)候問(wèn)的問(wèn)題雖然大概能解決，但是有幾個(gè)點(diǎn)沒(méi)有整理到位，所以自己給自己列出了很多面試常見(jiàn)的問(wèn)題，準(zhǔn)備一篇一篇去解決。本文整體思路是延續(xù)之前的那篇文章，在此基礎(chǔ)之上添加了幾個(gè)點(diǎn)而已。

布隆過(guò)濾器主要是在redis中問(wèn)的比較多，因此像這種數(shù)據(jù)結(jié)構(gòu)類的，主要是考原理以及使用場(chǎng)景。下面一點(diǎn)一點(diǎn)開(kāi)始逐步介紹。

一、認(rèn)識(shí)布隆過(guò)濾器

1、概念

布隆過(guò)濾器其實(shí)就是加快判定一個(gè)元素是否在集合中出現(xiàn)的方法。比如說(shuō)在一個(gè)大字典中，要查找某個(gè)單詞是否存在，于是我們就可以使用布隆過(guò)濾器，快速高效省時(shí)省力。

這里有一個(gè)考察點(diǎn)，那就是布隆過(guò)濾器只能判定一個(gè)元素不在集合里面，不能判斷存在，什么意思呢!就是說(shuō)一個(gè)蘋果不在籃子里，這個(gè)我可以通過(guò)布隆過(guò)濾器知道，但是一定在籃子里嘛?這個(gè)通過(guò)布隆過(guò)濾器我是不能判定的。

下面通過(guò)原理就能理解這個(gè)了。

2、原理

先舉一個(gè)例子，在我們身邊充斥著各種各樣的XX網(wǎng)站，為了不毒害我們祖國(guó)的花朵，于是國(guó)家網(wǎng)警就開(kāi)始對(duì)這些網(wǎng)站進(jìn)行割除過(guò)濾，問(wèn)題來(lái)了，這些網(wǎng)站的地址其實(shí)是不停的更換的，這些垃圾網(wǎng)站和正常網(wǎng)站加起來(lái)全世界據(jù)統(tǒng)計(jì)也有幾十億個(gè)。因此就會(huì)帶來(lái)如下的問(wèn)題：

(1)網(wǎng)站數(shù)量太多，存儲(chǔ)起來(lái)比較麻煩。一個(gè)地址最起碼有32個(gè)字節(jié)，一億個(gè)地址就需要1.6G的內(nèi)存。

(2)一個(gè)一個(gè)比較，太費(fèi)時(shí)間了。

因此布隆過(guò)濾器被設(shè)計(jì)出來(lái)了，他是如何做到高效的呢?本質(zhì)上其實(shí)就是一個(gè)HASH映射器。他的底層其實(shí)是一個(gè)超大的二進(jìn)制向量和一系列隨機(jī)映射函數(shù)。現(xiàn)在我們按照之前的那個(gè)例子，我們存儲(chǔ)1億個(gè)垃圾網(wǎng)站地址。

(1)第一步：建立一個(gè)32億二進(jìn)制(比特)，也就是4億字節(jié)的向量。全部置0。

img

(2)第二步：網(wǎng)警用八個(gè)不同的隨機(jī)數(shù)產(chǎn)生器(F1,F2, …,F8) 產(chǎn)生八個(gè)信息指紋(f1, f2, …, f8)。

(3)第三步：用一個(gè)隨機(jī)數(shù)產(chǎn)生器 G 把這八個(gè)信息指紋映射到 1 到32億中的八個(gè)自然數(shù) g1, g2, …,g8。

(4)第四步：把這八個(gè)位置的二進(jìn)制全部設(shè)置為一。

img

OK，有一天網(wǎng)警查到了一個(gè)可疑的網(wǎng)站，想判斷一下是否是XX網(wǎng)站，于是就開(kāi)始檢查了。通過(guò)同樣的方法將XX網(wǎng)站通過(guò)哈希映射到32億個(gè)比特位數(shù)組上的8個(gè)點(diǎn)。如果8個(gè)點(diǎn)的其中有一個(gè)點(diǎn)不為1，則可以判斷該元素一定不存在集合中。

注意：現(xiàn)在你可能會(huì)發(fā)現(xiàn)一個(gè)問(wèn)題，如果兩個(gè)XX網(wǎng)站通過(guò)上面的步驟映射到了相同的8個(gè)點(diǎn)上，或者是有一部分點(diǎn)是重合的，這時(shí)候該怎么辦?于是就出現(xiàn)了誤報(bào)，也就是說(shuō)A網(wǎng)站在12345678個(gè)點(diǎn)上全部置1，B網(wǎng)站通過(guò)同樣的方式在23456789上全部置1，這時(shí)候B網(wǎng)站來(lái)了是不能確定是否包含的。這個(gè)邏輯相信各位都理解。這個(gè)是最基礎(chǔ)的面試問(wèn)題。

3、誤報(bào)率

這一小節(jié)是稍微高級(jí)一點(diǎn)點(diǎn)，某中廠問(wèn)到了一次，于是這一次就添加了進(jìn)來(lái)。

通過(guò)上面的解釋相信都大概了解的差不多了，其實(shí)就是hash函數(shù)映射，由于有hash沖突產(chǎn)生了誤報(bào)率，誤報(bào)率也就是判斷失敗的情況。

既然是由于hash沖突，那我把布隆過(guò)濾器的二進(jìn)制向量調(diào)到很大，這樣不就解決了嘛，但是由于數(shù)據(jù)量比較大，因此現(xiàn)在就要考慮一下誤報(bào)率和存儲(chǔ)效率之間選擇一個(gè)折中值了。有一個(gè)計(jì)算公式如下：公式來(lái)源于github

假設(shè)位數(shù)組的長(zhǎng)度為m，哈希函數(shù)的個(gè)數(shù)為k。檢測(cè)某一元素是否在該集合中的誤報(bào)率是：

[公式]

如何使得誤報(bào)率最小，數(shù)學(xué)問(wèn)題，求導(dǎo)就可以了。

4、使用場(chǎng)景

(1)google的guava包中有對(duì)Bloom Filter的實(shí)現(xiàn)

(2)通常使用布隆過(guò)濾器去解決redis中的緩存穿透，解決方案是redis中bitmap的實(shí)現(xiàn)，

(3)釣魚網(wǎng)站、垃圾郵件檢測(cè)

大體就這些，可能還有很多!!!

二、代碼實(shí)現(xiàn)布隆過(guò)濾器

上面只是給出了其原理，下面我們代碼實(shí)現(xiàn)一下。

public   class  MyBloomFilter { 
    // 2 << 25表示32億個(gè)比特位 
     private static final int DEFAULT_SIZE =  2 << 25 ; 
     private static final int[] seeds = new int [] {3,5,7,11,13,19,23,37 }; 
     //這么大存儲(chǔ)在BitSet 
     private  BitSet  bits = new BitSet(DEFAULT_SIZE); 
     private  SimpleHash[] func  = new  SimpleHash[seeds.length]; 
 
     public   static   void  main(String[] args) { 
        //可疑網(wǎng)站 
        String value = "www.愚公要移山.com" ; 
        MyBloomFilter filter = new MyBloomFilter(); 
        //加入之前判斷一下 
        System.out.println(filter.contains(value)); 
        filter.add(value); 
        //加入之后判斷一下 
        System.out.println(filter.contains(value)); 
    } 
    //構(gòu)造函數(shù) 
     public  MyBloomFilter() { 
         for  ( int  i  =   0 ; i  <  seeds.length; i ++ ) { 
            func[i]  =   new  SimpleHash(DEFAULT_SIZE, seeds[i]); 
        } 
    } 
     //添加網(wǎng)站 
     public   void  add(String value) { 
         for  (SimpleHash f : func) { 
            bits.set(f.hash(value),  true ); 
        } 
    } 
     //判斷可疑網(wǎng)站是否存在 
     public   boolean  contains(String value) { 
         if  (value  ==   null ) { 
             return   false ; 
        } 
         boolean  ret  =   true ; 
         for  (SimpleHash f : func) { 
            //核心就是通過(guò)“與”的操作 
            ret  =  ret  &&  bits.get(f.hash(value)); 
        } 
         return  ret; 
    } 
} 

還有一個(gè)SimpleHash，我們看一下

public   static   class  SimpleHash { 
        private  int  cap; 
        private  int  seed; 
 
        public  SimpleHash( int  cap,  int  seed) { 
            this .cap  =  cap; 
            this .seed  =  seed; 
       } 
        public   int  hash(String value) { 
            int  result  =   0 ; 
            int  len  =  value.length(); 
            for  ( int  i  =   0 ; i  <  len; i ++ ) { 
               result  =  seed  *  result  +  value.charAt(i); 
           } 
            return  (cap  -   1 )  &  result; 
       } 
   } 

這就是布隆過(guò)濾器的實(shí)現(xiàn)。

本文轉(zhuǎn)載自微信公眾號(hào)「愚公要移山」，可以通過(guò)以下二維碼關(guān)注。轉(zhuǎn)載本文請(qǐng)聯(lián)系愚公要移山公眾號(hào)。