Redis学习(10)--布隆过滤器-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_42854904/article/details/119904951

本文介绍了Redis 4.0引入的布隆过滤器，用于高效解决大数据量下的去重问题。内容包括布隆过滤器的使用方法、原理以及空间占用的估算，强调了错误率与空间的关系以及如何避免误判率上升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

层峦叠嶂-布隆过滤器 >=4.0

背景: 讲个场景,比如我们在使用新闻客户端看新闻时，它会给我们不停地推荐新的内容，而他每次推荐都要去重，而如果用set结构去实现，则需要浪费的空间很大很大。布隆过滤器(Bloom Filter)就是为了专门解决这个问题的额，它相当于一个不怎么精确的set结构，当你使用它的contains方法判断某个对象是否存在时，他可能会误判。即当布隆过滤器说某个值存在时，这个值可能不存在；当它说某个值不存在时，那就肯定不存在。

使用方法

redis4.0之后提供了布隆过滤器插件

用docker安装体验Redis 4.0的布隆过滤器

> docker pull redislabs/rebloom # 拉取镜像
> docker run -p 6379:639 redislabs/rebloom # 运行容器
> redis-cli # 连接容器中的Redis服务

基本用法

> bf.add codehole user1 # 添加一个元素
(integer) 1
> bf.exists codehole user1
(integer) 1
> bf.exists codehole user2
(integer) 0
> bf.madd codehole user2 user3 user4
1)(integer) 1
2)(integer) 1
3)(integer) 1
> bf.mexists codehole user2 user3 user5
1)(integer) 1