解决方案：布隆过滤器（Bloom Filter）

解决方案：布隆过滤器（Bloom Filter）

---

关键词

• 组成（一个很长的二进制向量 + 一系列随机映射函数）
• 快速 且 空间效率高 的判断一个元素是否属于一个集合
• redis缓存穿透（判断 数据库 中不存在）解决方案

---

布隆过滤器处理流程

布隆过滤器应用很广泛，比如防止缓存击穿，爬虫的url过滤，垃圾邮件过滤等等。

• 第一步：开辟空间

  开辟一个长度为m的位数组（或者称二进制向量），这个不同的语言有不同的实现方式，甚至你可以用文件来实现。

• 第二步：寻找hash函数

  获取几个hash函数，前辈们已经发明了很多运行良好的hash函数，比如BKDRHash，JSHash，RSHash等等。这些hash函数我们直接获取就可以了。

• 第三步：写入数据

  将所需要判断的内容经过这些hash函数计算，得到几个值，比如用3个hash函数，得到值分别是1000，2000，3000。之后设置m位数组的第1000，2000，3000位的值位二进制1。

• 第四步：判断

  接下来就可以判断一个新的内容是不是在我们的集合中。判断的流程和写入的流程是一致的。

误判问题

布隆过滤器虽然很高效（写入和判断都是O(1)，所需要的存储空间极小），但是缺点也非常明显，那就是会误判。当集合中的元素越来越多，二进制序列中的1的个数越来越多的时候，判断一个字符串是否在集合中就很容易误判，原本不在集合里面的字符串会被判断在集合里面。