摘要：布隆過濾器可以用于檢索一個元素是否在一個集合中。舉個栗子，比如第一次將存入布隆過濾器，將數(shù)組的，位置置為了，只要下次再有存入布隆過濾器，發(fā)現(xiàn)已經(jīng)是全是了，所以可知該字符串已經(jīng)保存過。

????最近做爬蟲項目過濾重復(fù)的url的時候,了解到一個東西,叫布隆過濾器,然后也學(xué)習(xí)了一下,寫下這篇博客記錄一下.
下面我們將分為幾個專題來介紹布隆過濾器:
1.什么是布隆過濾器;
2.布隆過濾器的使用場景和缺陷;
3.布隆過濾器java實(shí)現(xiàn);
4.guava中使用布隆過濾器;
5.布隆過濾器的變體

????首先我們得知道布隆過濾器的概念是什么,采自wiki百科:
布隆過濾器（英語：Bloom Filter）是1970年由布隆提出的。它實(shí)際上是一個很長的二進(jìn)制向量和一系列隨機(jī)映射函數(shù)。布隆過濾器可以用于檢索一個元素是否在一個集合中。它的優(yōu)點(diǎn)是空間效率和查詢時間都遠(yuǎn)遠(yuǎn)超過一般的算法，缺點(diǎn)是有一定的誤識別率和刪除困難。
tips:看完這個我們可以知道是一個叫布隆的人提出的一個用來檢索一個元素是否在一個集合中的算法，效率高，性能好。

很長的二進(jìn)制向量（這里可以理解為很長的bit數(shù)組）

一系列的隨機(jī)映射函數(shù)（hash函數(shù)）

????如圖所示，將一個字符串存入布隆過濾器的時候，這個字符串會先被多個hash函數(shù)生成不同的hash值，然后在對應(yīng)的bit數(shù)組的位置，將0置為1（bit數(shù)組初始化的時候，全部位置都是0）；然后第二次在有相同的字符串存入的時候，因?yàn)橹耙呀?jīng)對應(yīng)的位置都被置為1了，所以可以很輕松的知道這個值已經(jīng)存在了。
????舉個栗子，比如第一次將[email protected]存入布隆過濾器，將bit數(shù)組的1，3,5位置置為了1，只要下次再有[email protected]存入布隆過濾器，發(fā)現(xiàn)1,3,5已經(jīng)是全是1了，所以可知該字符串已經(jīng)保存過。（簡單來說就是bit數(shù)組中對應(yīng)的值只要全是1就存在，其他情況就是不存在，但是因?yàn)榇嬖趆ash沖突，所以會有誤判，有可能存在abc和xyz的hash值在bit數(shù)組中映射的位置是相同的。這種情況我們可以增加班名單，或者調(diào)整hash函數(shù)來減少誤判情況。）

知道了布隆過濾器的概念，我們再來看看在實(shí)際工作中，它主要使用在哪些地方。

1.網(wǎng)絡(luò)爬蟲可以通過布隆過濾器判斷當(dāng)前的url是否已經(jīng)爬取過；

2.防止惡意鏈接或者垃圾郵件，短信之類的，從數(shù)十億個鏈接或者垃圾郵件中判斷該鏈接（郵件發(fā)件人，短信發(fā)信人是否是在黑名單中），
平時手機(jī)上來電提示寫著對方式惡意推銷，外賣，這種場景也是可以用布隆過濾器來判斷；

3.防止緩存擊穿，將已存在的緩存放到布隆中，當(dāng)使用緩存的時候，可以先訪問布隆過濾器，存在則訪問緩存，不存在則訪問數(shù)據(jù)庫；

4.檢索系統(tǒng)查詢當(dāng)前的輸入信息是否存在于數(shù)據(jù)庫中，也可以使用布隆過濾器。

public class BloomFilter {


    /**
     * bitSet的大小
     */
    private static final int DEFAULT_SIZE = 2 << 24;
    /**
     * 選取的hash函數(shù)
     */
    private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};

    /**
     * bitSet每一位只能是true或false  其實(shí)就是bit數(shù)組說的0或者1
     */
    private BitSet bits = new BitSet(DEFAULT_SIZE);
    private SimpleHash[] func = new SimpleHash[SEEDS.length];

    public static void main(String[] args) {
        String value = "[email protected]";
        BloomFilter filter = new BloomFilter();
        System.out.println(filter.contains(value));
        filter.add(value);
        System.out.println(filter.contains(value));
    }

    public BloomFilter() {
        for (int i = 0; i < SEEDS.length; i++) {
            func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
        }
    }

    public void add(String value) {
        for (SimpleHash f : func) {
            bits.set(f.hash(value), true);
        }
    }

    public boolean contains(String value) {
        if (value == null) {
            return false;
        }
        boolean ret = true;
        for (SimpleHash f : func) {
            ret = ret && bits.get(f.hash(value));
        }
        return ret;
    }

    public static class SimpleHash {

        private int cap;
        private int seed;

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

        /**
         * 計算hash值
         *
         * @param value
         * @return
         */

        public int hash(String value) {
            int result = 0;
            int len = value.length();
            for (int i = 0; i < len; i++) {
                result = seed * result + value.charAt(i);
            }
            return (cap - 1) & result;
        }

    }
}

google的java工具包中已經(jīng)編寫了布隆過濾器的代碼，可以直接拿來用，具體使用可以google一下，這里只簡單的提一下：

public static void main(String[] args) {
      // 創(chuàng)建布隆過濾器
      BloomFilter bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), 1000);

      // 添加數(shù)據(jù)
      for (int index = 0; index < 100000; index++) {
          bloomFilter.put("wxwwt-" + index);
      }

      //  查看數(shù)據(jù)是否存在
      if (bloomFilter.mightContain("wxwwt-" + 9999)) {
          System.out.println("存在");
      }
      // 誤判元素
      if (bloomFilter.mightContain("不存在的元素")) {
          System.out.println("誤判啦");
      } else {
          System.out.println("不存在");
      }
  }

運(yùn)行結(jié)果：

在數(shù)據(jù)量很大的時候使用布隆過濾器非常方便，占用的內(nèi)存空間很小（因?yàn)槭褂玫氖莃it數(shù)組，空間使用非常小，空間開銷就是bit數(shù)組的大?。?，查詢效率也很高（直接通過計算hash函數(shù)的出來的），唯一的問題就是可能會有誤判，不過概率也是比較小的，也可以通過增加白名單和增加hash函數(shù)的數(shù)量來減少這個問題的產(chǎn)生，總的來說利大于弊，在僅判斷元素是否存在而不涉及到刪除的情況下非常好用（最基本的bloomfilter是無法刪除元素的，置為0就沒法判斷存在情況了，有bloom過濾器的變體是支持刪除的）。

1.https://nick-weixx.github.io/...
2.https://zh.wikipedia.org/wiki...
3.https://zhangluncong.com/2018...