布隆过滤器，Redis之 bitmap，场景题【如果微博某个大V发了一条消息，怎么统计有多少人看过了】

最新推荐文章于 2025-05-01 14:32:31 发布

小道仙97

最新推荐文章于 2025-05-01 14:32:31 发布

阅读量609

点赞数

CC 4.0 BY-SA版权

分类专栏：场景题 # Redis 文章标签： redis 数据库缓存

本文链接：https://blog.youkuaiyun.com/Tomwildboar/article/details/134754154

Redis 同时被 2 个专栏收录

7 篇文章

订阅专栏

场景题

5 篇文章

订阅专栏

文章讨论了如何使用Bitmap数据结构高效统计微博大V消息的阅读人数，对比了Bitmap与Set在内存消耗和性能上的差异，以及布隆过滤器的应用，强调了Bitmap在特定场景下的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学习文档

文章目录

最近面试时，遇到了一个场景题，面试官问如何统计一条微博大V的消息有多少人阅读。经过老大的指点，我总结了一下。

如果微博某个大V发了一条消息，怎么统计有多少人看过了。

每一个访问记录肯定是要入库的，但页面展示的时候，我们不可能都去数据库 count 一下。最开始我说使用redis的set数据结构把用户id存进去，但这并不是一个很好的答案，因为它消耗的内存太大。

Redis有一种数据结构 Bitmap，在特定的数据场景下，它很适合来做这种统计。为什么说是特定的场景，下面我们来分析。

一、什么是 Bitmap

Bitmap是一种精简而高效的数据结构，通过二进制位存储大规模布尔值信息，常用于快速处理用户在线状态、权限管理以及行为记录等应用场景。

可以简单把它想象成是趋于无限大的数组，每个位置只能存储 1 和 0。它可以快速统计出有多少个 1，也可以快速统计某个区间内有多少个 1。

基于此我们可以创建一个 bitmap， key 就是这条消息的id，每个位置就对应一个用户，1 就表示看过。

1-1、Bitmap 相关命令

描述	命令
插入数据	setbit key offset value
设置为 1	setbit bitmap001 10000 1
设置为 0	setbit bitmap001 10000 0
查询数据	getbit key offset （每个位置默认是 0）
数据统计	bitcount key [start end]
统计全部为 1	bitcount bitmap001
按照范围统计为 1	bitcount bitmap001 0 1000000
获取范围内第一个 offset	bitpos key value [start] [end]
获取第一个 1	bitpos bitmap001 1
获取第一个 0	bitpos bitmap001 0
获取 0, 100 中第一个 1	bitpos bitmap001 1 0 100

二、Bitmap 和 Set 对比

如果只是想统计有多少个用户访问过，且某个用户是否访问过，其实 set类型，也可以满足我们的要求，实际上我上次也是这么回答的，但结果是不对的，下面来看分析。

看一种数据结构是否好，无非是看它消耗的存储空间和运行速率，基于此我们来对比一下 bitmap 和 set的内存消耗和运行速率。

2-1、数据准备

我们以 10w 数据为基准来进行测试。插入数据的脚本如下：

@Scheduled(fixedRate = 1000 * 60 * 60)
public void fun() {


    redisTemplate.setKeySerializer(new StringRedisSerializer());
    redisTemplate.setValueSerializer(new StringRedisSerializer());
    redisTemplate.setHashKeySerializer(new StringRedisSerializer());

    long start = System.currentTimeMillis();

    ValueOperations<String, Object> valueOps = redisTemplate.opsForValue();

    for (int i = 0; i < 100000; i++) {
        String uuid = UUID.randomUUID().toString();

        redisTemplate.opsForSet().add("set10w_uuid", uuid);
        redisTemplate.opsForSet().add("set10w_incr", String.valueOf(i));
        valueOps.setBit("bitMap10w_hash", Murmur3.hash_x86_32(uuid.getBytes(),  uuid.length(), 0),true);
        valueOps.setBit("bitMap10w_hash_size", Math.abs(Murmur3.hash_x64_128(uuid.getBytes(),  uuid.length(), 0)[0] % 100000),true);
        valueOps.setBit("bitMap10w_incr", i,true);

        System.out.println("progress " + i);
    }

    System.out.println("执行耗时: " + (System.currentTimeMillis() - start));
}

其实就是生成10w个uuid，把这个10w个uuid存入set，把这些uuid转成hash作为 bitmap的偏移量存入 bitmap，再把 i 存入另外一个set和bitmap，这样就构建了 4个数据。

另外还创建了一个特殊的 bitmap，它的生成只有一个添加语句，如下：

setbit bitMap_1_bitHash 1000000000 1

bitMap10w_hash_size 这个key展示先忽略，我们后面再说。

在这里插入图片描述

2-2、内存对比

使用 Redis 提供的命令查看每个 key 的内存消耗。

redis-cli memory usage keyName

在这里插入图片描述

上面的数据体现是不是很不可思议？为什么内存消耗会那么大？ set 的数据就没什么好说了，就是按照字符串去存储的，我们主要来探讨一下 bitmap 。

bitmap是一个二进制存储结构，所以当它的偏移量越大，所占用的内存也就越大。 incr就是自增的id，所以最大偏移量也就是 100000，那它占用内存当然很小。而通过uuid转成的hashCode值是很大的。

2-3、性能对比

说实在的它们俩的类型不同，其实不太好去对比。这里只是简单的对比一下：获取数据总量和查询某个值是否存在

@Scheduled(fixedRate = 1000 * 60 * 60)
public void fun2() {
    redisTemplate.setKeySerializer(new StringRedisSerializer());
    redisTemplate.setValueSerializer(new StringRedisSerializer());
    redisTemplate.setHashKeySerializer(new StringRedisSerializer());
    ValueOperations<String, Object> valueOps = redisTemplate.opsForValue();
    // 预热一下
    Long xxxxx = redisTemplate.opsForSet().size("set10w_incr");


    long one = System.currentTimeMillis();

    Long set10w_uuid = redisTemplate.opsForSet().size("set10w_uuid");
    redisTemplate.opsForSet().isMember("set10w_uuid", "xxxxx");

    long two = System.currentTimeMillis();
    System.out.println("set10w_uuid = " + set10w_uuid + " " + (two - one));

    Long set10wIncr = redisTemplate.opsForSet().size("set10w_incr");
    redisTemplate.opsForSet().isMember("set10w_incr", "1");
    long three = System.currentTimeMillis();
    System.out.println("set10wIncr = " + set10wIncr+ " " + (three - two));

    Object bitMap10w_incr = redisTemplate.execute((RedisCallback<Long>) connection ->
            connection.bitCount("bitMap10w_incr".getBytes())
    );
    valueOps.getBit("bitMap10w_incr", 1000);
    long four = System.currentTimeMillis();
    System.out.println("bitMap10w_incr = " + bitMap10w_incr+ " " + (four - three));


    Object bitMap10w_hash = redisTemplate.execute((RedisCallback<Long>) connection ->
            connection.bitCount("bitMap10w_hash".getBytes())
    );
    valueOps.getBit("bitMap10w_hash", 1000);
    long five = System.currentTimeMillis();
    System.out.println("bitMap10w_hash = " + bitMap10w_hash+ " " + (five - four));
}

执行结果如下

set10w_uuid = 100000 7
set10wIncr = 100000 3
bitMap10w_incr = 100000 35
bitMap10w_hash = 99998 141

看似是set好像性能更好，但术业有专攻，不应该这样对比的。

三、布隆过滤器

3-1、理论

布隆过滤器本质就是一个bigmap，目的就是在做业务操作之前，先过滤掉一些不正当的请求

和上面的需求差不多当然也可以用set来做，但这样的内存的消耗就大了，而且容易产生大key

布隆过滤器有两个重要的参数

hash函数，一个好的hash函数可以尽可能的防止冲突的发生。且我们可以设置多个hash函数
存储大小 size，我们不可能设置一个无限大的空间，这样会导致数据过于分散不好统计

使用Redis的bitmap来搭建布隆过滤器的大致步骤如下，先基于业务场景定义好 size和hash函数，每一个offset的取值按照这个公式，offset = hash % size，这样计算的目的是防止hash大于 size

3-2、代码实现

下面是布隆过滤器的Java代码实现：(GPT写的，很好理解)

// Java代码示例
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.core.ValueOperations;

import java.util.BitSet;

public class BloomFilter {

    @Autowired
    private RedisTemplate redisTemplate;
    private final String filterKey;
    private final int size;
    private final int[] hashFunctions;

    public BloomFilter(String filterKey, int size, int numHashFunctions) {
        this.filterKey = filterKey;
        this.size = size;
        this.hashFunctions = new int[numHashFunctions];
        initializeHashFunctions();
    }
    
    // 自定义多个hash函数
    private void initializeHashFunctions() {
        for (int i = 0; i < hashFunctions.length; i++) {
            hashFunctions[i] = (int) (Math.random() * Integer.MAX_VALUE);
        }
    }

    public void add(String element) {
        // 多次hash计算，最大程度保证可用
        for (int hashFunction : hashFunctions) {
            // 防止hash超出为负数
            int index = Math.abs(hashFunction % size);
            redisTemplate.opsForValue().setBit(filterKey, index, true);
        }
    }

    public boolean contains(String element) {
        for (int hashFunction : hashFunctions) {
            int index = Math.abs(hashFunction % size);
            if (!redisTemplate.opsForValue().getBit(filterKey, index)) {
                return false;
            }
        }
        return true;
    }
    
    // 测试代码
    public void test() {
        BloomFilter bloomFilter = new BloomFilter(redisTemplate, "bloomFilter", 10000, 3);

        // Add elements to the Bloom Filter
        bloomFilter.add("element1");
        bloomFilter.add("element2");
        bloomFilter.add("element3");

        // Check if an element is in the Bloom Filter
        System.out.println(bloomFilter.contains("element1")); // true
        System.out.println(bloomFilter.contains("element4")); // false
    }
}

使用这种紧凑的bitmap（定义了size大小）， 100w的空间所需要的内存也是极少的。

布隆过滤器的过滤并不是 100%，当发生hash冲突的时候就可能误杀，上面不限制大小的冲突是 0.002%，限制10w大小，生成 10w个数据的冲突是 36.84%

在这里插入图片描述

四、Java中的 Hash 函数

Murmur 是一个计算 hash 的工具类，使用和引入依赖如下：

<!-- Maven依赖 -->
<dependency>
    <groupId>com.sangupta</groupId>
    <artifactId>murmur</artifactId>
    <version>1.0.0</version>
</dependency>

public static void main(String[] args) {
    
    // 在32位机器上计算hash
    long l = Murmur3.hash_x86_32(UUID.randomUUID().toString().getBytes(), 36, 0);

    // 在64位机器上计算hash
    long[] longs = Murmur3.hash_x64_128(UUID.randomUUID().toString().getBytes(), 36, 0);
}