Java利用布隆過濾器實現(xiàn)快速檢查元素是否存在

更新時間：2022年10月24日 08:55:10 作者：指北君

布隆過濾器是一個很長的二進制向量和一系列隨機映射函數(shù)。布隆過濾器可以用于檢索一個元素是否在一個集合中。本文就來詳細說說實現(xiàn)的方法，需要的可以參考一下

Guava BloomFilter

布隆過濾器是一個很長的二進制向量和一系列隨機映射函數(shù)。布隆過濾器可以用于檢索一個元素是否在一個集合中。它的優(yōu)點是空間效率和查詢時間都比一般的算法要好的多，缺點是有一定的誤識別率和刪除困難。

基本概念

當需要判斷某個元素是否在某個數(shù)據(jù)集中時，一般會怎么做？

將數(shù)據(jù)集封裝成集合，比如List、Set等
通過集合提供的API判斷該元素是否存在于集合

這樣的實現(xiàn)比較簡單，同時通過現(xiàn)有的JDK都能很快達到目的，但是設想一下，如果上面說到的集合數(shù)據(jù)量非常的大，這樣不僅會耗費較大的存儲空間，同時在集合中檢索元素的時間復雜度也會隨之增加。那么有沒比較好的方法去實現(xiàn)判斷元素是否存在這樣的情形呢？

也就是布隆過濾器。

通過一系列的Hash函數(shù)將元素映射到一個位陣列（Bit Array）中的多個點位上，判斷元素是否存在，則是判斷所有點位是不是都為1。然而，位陣列上都為1并不一定能夠保證該元素一定存在，也有可能是其他元素Hash后落在了該點位上，這就是布隆過濾器的誤判。

因此通過布隆過濾器我們可以確定：

元素可能在集合中
元素一定不在集合中

應用場景

網(wǎng)頁爬蟲時忽略已經(jīng)判定的URL路徑

郵箱通過設置過濾垃圾郵件

集合重復元素的判別，有效判斷元素不在集合中

防止數(shù)據(jù)緩存時的緩存穿透問題

優(yōu)缺點

優(yōu)點

相比于其它的數(shù)據(jù)結構，布隆過濾器在空間和時間方面都有巨大的優(yōu)勢。
布隆過濾器存儲空間和插入/查詢時間都是常數(shù)。
Hash函數(shù)相互之間沒有關系，方便由硬件并行實現(xiàn)。
布隆過濾器不需要存儲元素本身，對保密要求非常嚴格的場合有優(yōu)勢。
布隆過濾器可以表示全集，其它任何數(shù)據(jù)結構都不能。

缺點

元素存在的誤判
一般情況下不支持元素（位陣列）的刪除

實現(xiàn)原理

核心其實是元素如何存儲？如何判斷元素是否存在？核心方法就兩個，一個“存”一個檢查，里面涉及到了算法相關知識，感興趣可以深入研究下其實現(xiàn)原理與思想。

put 將元素放入過濾器中，但不是存儲

????????public?<T>?boolean?put(@ParametricNullness?T?object,?Funnel<??super?T>?funnel,?int?numHashFunctions,?LockFreeBitArray?bits)?{
????????????long?bitSize?=?bits.bitSize();?//?位數(shù)組，可以通過redis來實現(xiàn)分布式的布隆過濾器
????????????long?hash64?=?Hashing.murmur3_128().hashObject(object,?funnel).asLong();?//通過funnel將對象轉換成基本類型并計算64位hash
????????????int?hash1?=?(int)hash64;?//?取低32位
????????????int?hash2?=?(int)(hash64?>>>?32);?//?取高32位
????????????boolean?bitsChanged?=?false;
????????????//?
????????????for(int?i?=?1;?i?<=?numHashFunctions;?++i)?{
????????????????int?combinedHash?=?hash1?+?i?*?hash2;
????????????????if?(combinedHash?<?0)?{
????????????????????combinedHash?=?~combinedHash;
????????????????}

????????????????bitsChanged?|=?bits.set((long)combinedHash?%?bitSize);
????????????}

????????????return?bitsChanged;
????????}

mightContain 與put相似，計算的過程相同，不同的是值的判斷

????????public?<T>?boolean?mightContain(@ParametricNullness?T?object,?Funnel<??super?T>?funnel,?int?numHashFunctions,?LockFreeBitArray?bits)?{
????????????long?bitSize?=?bits.bitSize();
????????????long?hash64?=?Hashing.murmur3_128().hashObject(object,?funnel).asLong();
????????????int?hash1?=?(int)hash64;
????????????int?hash2?=?(int)(hash64?>>>?32);

????????????for(int?i?=?1;?i?<=?numHashFunctions;?++i)?{
????????????????int?combinedHash?=?hash1?+?i?*?hash2;
????????????????if?(combinedHash?<?0)?{
????????????????????combinedHash?=?~combinedHash;
????????????????}

????????????????if?(!bits.get((long)combinedHash?%?bitSize))?{
????????????????????return?false;
????????????????}
????????????}

????????????return?true;
????????}

我們可以簡單第理解其實現(xiàn)原理？比如現(xiàn)在有一個容器，我們定義為String[] bitArray = new String[26]作為位陣列，現(xiàn)在有一堆由小寫英文組成的元素，我們假定Hash算法為a-z到1~26的映射。

現(xiàn)在有一個元素abc，hash后為1110000000...，保存到bitArray ：1110000000...
現(xiàn)在有一個元素cde, hash后為0011100000...，保存到bitArray ：1111100000...
現(xiàn)在又有一個新的元素ade，hash后同樣為100110000...，很明顯會認為該元素存在，這就是FFP

為什么判斷元素一定不在集合中呢？很顯然，如果一個元素存在，則該元素hash后的bit數(shù)組必須全部都是1，反之則不存在

示例

????@Test
????public?void?match(){
????????BloomFilter?filter?=?BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()),10000,0.2);
????????List<String>?ids?=?new?ArrayList<>();

????????IntStream.rangeClosed(1,10000).forEach(index->{
????????????String?id?=?UUID.randomUUID().toString();
????????????ids.add(id);
????????????filter.put(?id?);
????????});

????????ids.forEach(id->{
????????????//?正常情況下全部失敗，但是會有?20%的返回true
????????????System.out.println(?id?+?":"?+?filter.mightContain(?id+1?));
????????});
????}

流程很簡單：