【知识点随笔分析 | 第八篇】什么是布谷鸟过滤器（缓解Redis穿透）

前言

         在昨天我们介绍了什么是布隆过滤器，而相信如果了解布隆过滤器的朋友应该都知道，布隆过滤器虽然可以解决Redis的穿透问题，但是由于它自身特性，布隆过滤器也是存在不少的缺点，例如随着哈希函数的增多或者哈希函数散列范围的增加，会造成一定程度的空间浪费；并且布隆过滤器是无法实现删除操作的。因此我们今天来介绍一种新的过滤器：布谷鸟过滤器

【从零开始学习Redis | 第五篇】基于布隆过滤器解决Redis的穿透问题-优快云博客https://blog.youkuaiyun.com/fckbb/article/details/134226419?spm=1001.2014.3001.5501

目录

前言

引入： 

布谷鸟哈希结构：

挤占循环 ：

布谷鸟过滤器：

布谷鸟过滤器的插入： 

布谷鸟过滤器的删除：

布隆过滤器的查找：

基于Java实现布谷鸟过滤器：

总结：

---

引入： 

                在中国有一个成语，叫做鸠占鹊巢，字面意思就是说：鸠这种动物，从来不会自己搭建巢穴，在下蛋的时候就会把蛋下到鹊的巢穴里，挤占鹊的蛋的生存空间。而鸠就是布谷鸟，布谷鸟过滤器的思想就是挤占

布谷鸟过滤器的底层用的是布谷鸟哈希结构。 因此我们先来介绍一下布谷鸟哈希结构

布谷鸟哈希结构：

 布谷鸟哈希结构本质上是为了解决哈希冲突，所以我们先来介绍一下什么是哈希冲突：

        哈希冲突指的是在哈希函数计算过程中，不同的输入值得到了相同的哈希值的情况。由于哈希函数将输入映射到有限的输出空间，而输入的范围通常是无限的，所以哈希冲突是不可避免的。

而最原始的布谷鸟哈希结构采用以下步骤来解决哈希冲突：

• 对输入的Key使用两个Hash函数，得到桶中的两个位置
• 如果两个位置都为空，就把Key随机选择一个位置放入
• 如果两个位置只有一个为空，就把Key放入到这个空的位置
• 如果两个位置都不为空，则随机踢出一个元素，踢出的元素再重新计算哈希找到相应的位置

 其实这样说可能还是有点模糊，所以我们搭配图片来说明一下：

第一次插入元素：插入"张三"，经过哈希后得到两个位置：3和5，选择位置3进行插入

第二次插入元素 :  插入"赵四"，经过哈希后，得到两个位置3和4，选择位置3进行插入

而此时当“赵四”想要插入位置3的时候，就会发生挤占，将"张三"从原位置挤占出去了

此时就要重新为张三进行hash，得到位置3和5  选择位置5进行插入。

 而在这种情况下，我们就完成了一次"挤占"的过程 。并且为被挤占的元素重新安排了位置

挤占循环 ：

如果发生挤占循环怎么办？也就是说：当重新为张三进行hash后，我们没有选择位置5，而是选择了位置3，此时就又会把“赵四”挤占出去了，而重新为“赵四”进行Hash的时候，赵四又选择了位置3，再次把“张三”挤占出去，此时“张三”又要重新进行Hash，无限循环这种情况..........

或者是不同数据之间的相互挤占，也就是A数据的插入挤占出了B数据，B数据的插入挤占出了C数据，C数据的插入挤占了D数据，这样不断的循环

而挤占循环这种问题，是没有办法真正解决的，我们能做的只有尽量抑制挤占循环，有如下思路：

• 设置最大挤占次数，如果达到最大挤占次数后，说明空间不够用了，要进行桶的扩容操作。
• 设置更多的哈希函数，使得一个Key有更多的位置可以选择。

而通过这两种方法，其实就可以很好的控制循环挤占的问题 

而我们单独讲一下桶的扩容操作，因为桶可以使我们自己定义的数据结构，因此我们可以把让一个位置存储多个元素，类似二维数组的形式，我们来看一下代码：

type bucket [4]byte // 一个桶，4个座位I
type cuckoo_filter struct [
    buckets [size]bucket // 一维数组
    nums int // 容纳的元素的个数
    kick_max // 最大挤兑次数
}

如图所示

这样我们就使得一个桶中可以