啥事布隆过滤器？主要干嘛用的？

这一篇是我重写的，之前写过一篇发现面试的时候问的问题虽然大概能解决，但是有几个点没有整理到位，所以自己给自己列出了很多面试常见的问题，准备一篇一篇去解决。本文整体思路是延续之前的那篇文章，在此基础之上添加了几个点而已。

布隆过滤器主要是在redis中问的比较多，因此像这种数据结构类的，主要是考原理以及使用场景。下面一点一点开始逐步介绍。

布隆过滤器其实就是加快判定一个元素是否在集合中出现的方法。比如说在一个大字典中，要查找某个单词是否存在，于是我们就可以使用布隆过滤器，快速高效省时省力。

这里有一个考察点，那就是布隆过滤器只能判定一个元素不在集合里面，不能判断存在，什么意思呢!就是说一个苹果不在篮子里，这个我可以通过布隆过滤器知道，但是一定在篮子里嘛?这个通过布隆过滤器我是不能判定的。

下面通过原理就能理解这个了。

先举一个例子，在我们身边充斥着各种各样的XX网站，为了不毒害我们祖国的花朵，于是国家网警就开始对这些网站进行割除过滤，问题来了，这些网站的地址其实是不停的更换的，这些垃圾网站和正常网站加起来全世界据统计也有几十亿个。因此就会带来如下的问题：

(1)网站数量太多，存储起来比较麻烦。一个地址最起码有32个字节，一亿个地址就需要1.6G的内存。

(2)一个一个比较，太费时间了。

因此布隆过滤器被设计出来了，他是如何做到高效的呢?本质上其实就是一个HASH映射器。他的底层其实是一个超大的二进制向量和一系列随机映射函数。现在我们按照之前的那个例子，我们存储1亿个垃圾网站地址。

(1)第一步：建立一个32亿二进制(比特)，也就是4亿字节的向量。全部置0。

(2)第二步：网警用八个不同的随机数产生器(F1,F2, …,F8) 产生八个信息指纹(f1, f2, …, f8)。

(3)第三步：用一个随机数产生器 G 把这八个信息指纹映射到 1 到32亿中的八个自然数 g1, g2, …,g8。

(4)第四步：把这八个位置的二进制全部设置为一。

OK，有一天网警查到了一个可疑的网站，想判断一下是否是XX网站，于是就开始检查了。通过同样的方法将XX网站通过哈希映射到32亿个比特位数组上的8个点。如果8个点的其中有一个点不为1，则可以判断该元素一定不存在集合中。

注意：现在你可能会发现一个问题，如果两个XX网站通过上面的步骤映射到了相同的8个点上，或者是有一部分点是重合的，这时候该怎么办?于是就出现了误报，也就是说A网站在12345678个点上全部置1，B网站通过同样的方式在23456789上全部置1，这时候B网站来了是不能确定是否包含的。这个逻辑相信各位都理解。这个是最基础的面试问题。

这一小节是稍微高级一点点，某中厂问到了一次，于是这一次就添加了进来。

通过上面的解释相信都大概了解的差不多了，其实就是hash函数映射，由于有hash冲突产生了误报率，误报率也就是判断失败的情况。

既然是由于hash冲突，那我把布隆过滤器的二进制向量调到很大，这样不就解决了嘛，但是由于数据量比较大，因此现在就要考虑一下误报率和存储效率之间选择一个折中值了。有一个计算公式如下：公式来源于github

假设位数组的长度为m，哈希函数的个数为k。检测某一元素是否在该集合中的误报率是：

如何使得误报率最小，数学问题，求导就可以了。

(1)google的guava包中有对Bloom Filter的实现

(2)通常使用布隆过滤器去解决redis中的缓存穿透，解决方案是redis中bitmap的实现，

(3)钓鱼网站、垃圾邮件检测

大体就这些，可能还有很多!!!

上面只是给出了其原理，下面我们代码实现一下。

public   class  MyBloomFilter { 
    // 2 << 25表示32亿个比特位 
     private static final int DEFAULT_SIZE =  2 << 25 ; 
     private static final int[] seeds = new int [] {3,5,7,11,13,19,23,37 }; 
     //这么大存储在BitSet 
     private  BitSet  bits = new BitSet(DEFAULT_SIZE); 
     private  SimpleHash[] func  = new  SimpleHash[seeds.length]; 
 
     public   static   void  main(String[] args) { 
        //可疑网站 
        String value = "www.愚公要移山.com" ; 
        MyBloomFilter filter = new MyBloomFilter(); 
        //加入之前判断一下 
        System.out.println(filter.contains(value)); 
        filter.add(value); 
        //加入之后判断一下 
        System.out.println(filter.contains(value)); 
    } 
    //构造函数 
     public  MyBloomFilter() { 
         for  ( int  i  =   0 ; i  <  seeds.length; i ++ ) { 
            func[i]  =   new  SimpleHash(DEFAULT_SIZE, seeds[i]); 
        } 
    } 
     //添加网站 
     public   void  add(String value) { 
         for  (SimpleHash f : func) { 
            bits.set(f.hash(value),  true ); 
        } 
    } 
     //判断可疑网站是否存在 
     public   boolean  contains(String value) { 
         if  (value  ==   null ) { 
             return   false ; 
        } 
         boolean  ret  =   true ; 
         for  (SimpleHash f : func) { 
            //核心就是通过“与”的操作 
            ret  =  ret  &&  bits.get(f.hash(value)); 
        } 
         return  ret; 
    } 
} 

还有一个SimpleHash，我们看一下

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; 
       } 
   } 

这就是布隆过滤器的实现。