布隆过滤器

1.概念

布隆过滤器是由布隆（Burton Howard Bloom）在1970年提出的 一种紧凑型的、比较巧妙的概率型数据结构，特点是高效地插入和查询，可以用来告诉你 “某样东西一定不存在或者可能存在”，它是用多个哈希函数，将一个数据映射到位图结构中。此种方式不仅可以提升查询效率，也可以节省大量的内存空间。

2.演示一下布隆过滤器的插入 

 插入baidu

 

插入tenxun

 

3.具体实现 

package test;

import java.util.BitSet;

class Hash {
    public int cap;//容量
    public int seed;//种子

    public Hash(int cap, int seed) {
        this.cap = cap;
        this.seed = seed;
    }

    //把当前字符串变成一个hash值
    public int hash(String key) {
        int h;
        return (key == null) ? 0 : (seed * (cap - 1)) & ((h = key.hashCode()) ^ (h >>> 16));
    }
}

public class MyBloomFilter {
    public static final int DEFAULT_SIZE = 1 << 20;
    public BitSet bitSet;
    public int usedSize;
    public static final int[] seeds = {5, 7, 11, 13, 27, 33};
    public Hash[] hashes;

    public MyBloomFilter() {
        bitSet = new BitSet(DEFAULT_SIZE);
        hashes = new Hash[seeds.length];
        for (int i = 0; i < hashes.length; i++) {
            hashes[i] = new Hash(DEFAULT_SIZE, seeds[i]);
        }
    }

    public void add(String val) {
        for (Hash hash : hashes) {
            int index = hash.hash(val);
            bitSet.set(index);
        }
        usedSize++;
    }

    public boolean contains(String val) {
        for (Hash hash : hashes) {
            int index = hash.hash(val);
            boolean flag = bitSet.get(index);
            if (!flag) {
                return false;
            }
        }
        return true;//会误判
    }

    public static void main(String[] args) {
        MyBloomFilter myBloomFilter = new MyBloomFilter();
        myBloomFilter.add("hello");
        myBloomFilter.add("hello1");
        myBloomFilter.add("haha");
        System.out.println(myBloomFilter.contains("hello"));
        System.out.println(myBloomFilter.contains("hello1"));
        System.out.println(myBloomFilter.contains("hello2"));
    }
}

4.应用场景：

1.网页爬虫对URL的去重，避免爬去相同的URL地址。

2.垃圾邮件过滤，从数十亿个垃圾邮件列表中判断某邮箱是否是垃圾邮箱。

3.解决数据库缓存击穿，黑客攻击服务器时，会构建大量不存在于缓存中的key向服务器发起请求，在数据量足够大的时候，频繁的数据库查询会导致挂机。

4. 秒杀系统，查看用户是否重复购买。

5. google的guava包中有对Bloom Filter的实现
 

5.优点

1. 增加和查询元素的时间复杂度为:O(K), (K为哈希函数的个数，一般比较小)，与数据量大小无关
2. 哈希函数相互之间没有关系，方便硬件并行运算
3. 布隆过滤器不需要存储元素本身，在某些对保密要求比较严格的场合有很大优势
4. 在能够承受一定的误判时，布隆过滤器比其他数据结构有这很大的空间优势
5. 数据量很大时，布隆过滤器可以表示全集（节省空间），其他数据结构不能
6. 使用同一组散列函数的布隆过滤器可以进行交、并、差运算
 

6.缺点

1. 有误判率，即存在假阳性(False Position)，即不能准确判断元素是否在集合中(补救方法：再建立一个白
名单，存储可能会误判的数据)
2. 不能获取元素本身
3. 一般情况下不能从布隆过滤器中删除元素
4. 如果采用计数方式删除，可能会存在计数回绕问题

7.误判率

布隆过滤器的误判是指多个输入经过哈希之后在相同的bit位置1了，这样就无法判断究竟是哪个输入产生的，因此误判的根源在于相同的 bit 位被多次映射且置 1。这种情况也造成了布隆过滤器的删除问题，因为布隆过滤器的每一个 bit 并不是独占的，很有可能多个元素共享了某一位。如果我们直接删除这一位的话，会影响其他的元素。