关注过 @Python大星 的小伙伴应该知道，2020 年 4 月 Python 小星最近裸面了阿里巴巴菜鸟网络科技有限公司。
一面中面试官非常重视解决 Redis 缓存穿透问题的利器--布隆过滤器，关于 Python 小星菜鸟二面的情况，后续整理出来。
今天我们来盘一盘“布隆过滤器” 到底是何方妖孽？
对不起，搞错啦，不是这个“布隆”。
但是，这个“布隆过滤器”中的“布隆” 确实是个人名，1970 年提出的，用来测试一个元素是否在一个集合里。有可能” 误报 “，但肯定不会” 错报 “：对布隆过滤器的一次查询要么返回 “可能在集合中 “，要么” 肯定不在集合里 “。
举个例子，古代进城搜捕凶手，人物画像的特征太多，可能会让凶手蒙混过关进城，但是有些人可以肯定不是凶手，比如高矮胖瘦都不符合画像的。
如果你前面理解了，我们再来说下专业术语：
布隆过滤器实际上是一个很长的二进制向量和一系列随机映射函数，可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。
如果不用会出现什么情况？
我们通常用 Redis 做缓存层，减少 Mysql 数据库的连接次数。
使用 Redis 避免不了一个“缓存穿透”的问题，
缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时被动写的，并且出于容错考虑，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到 DB 中去查询，失去了缓存的意义。在流量大时，可能 DB 就挂掉了，要是有人利用不存在的 key 频繁攻击我们的应用，这就是漏洞。
如果我们这里加上“布隆过滤器”，就可以缓解“缓存穿透”对 Mysql 数据库的请求压力。
布隆过滤器会通过一定的错误率换取空间。
布隆过滤器通过 bit 数组来标识数据
假设 1 个元素只占一个坑，位数组中的每个元素都只占用 1 bit ，并且每个元素只能是 0 或者 1。
那么申请一个 100w 个元素的位数组只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空间。
如果你对 hashmap 原理熟悉的话，这个布隆过滤器的原理就很容易理解了。
缺点1：为什么说布隆过滤器有一定误识别率？？？
这是因为 hash算法计算出来的值会出现冲突，这就是我们常说的hashmap中的 hash 冲突一样，比如我们数据没有 id = 999 的，但是计算出来的值可能和已标识为 1 的值冲突，被“布隆过滤器” 误识别。
那有小伙伴会问，如何提高布隆过滤器的识别率呢？
从 3 个方面可以提高：
① bit 数组长度
② hash 函数的个数
这就和买彩票一样，数字越多，中奖概率越低。hash 函数的个数不是越多越好，需要参考 bit 数组的长度。
③ 如果布隆过滤器存储的是黑名单，那么可以建立小的白名单，存储那些被误判的信息。
布隆过滤器误判：
如果布隆过滤器说数据存在，那有可能不存在，输入误判；
如果布隆过滤说数据不存在，那一定不存在。
缺点2：为什么说布隆过滤器删除困难？？？
一个放入容器的元素映射到 bit 数组的 k 个位置上是 1，删除的时候不能简单的直接置为 0，可能会影响其他元素的判断。
如何解决布隆过滤器删除困难的问题？？？
Counting Bloom Filter，它将标准 Bloom Filter 位数组的每一位扩展为一个小的计数器 (Counter)，在插入元素时给对应的 k(k 为哈希函数个数) 个 Counter 的值分别加 1，删除元素时给对应的 k 个 Counter 的值分别减 1，Counting Bloom Filter 通过多占用几倍的存储空间的代价，给 Bloom Filter 增加了删除操作。
1、如何确定 bit 数组的长度和 hash 函数的个数
已知条件
- 存储数量为 n
- 预期误判率 为 fpp(False positive probability)
计算
- Bit 数组大小 m
- 哈希函数个数 k
① Bit 数组选择
② hash 函数个数
2、布隆过滤器的实现
Guava 中就提供了一种 Bloom Filter 的实现。
① 在 springboot 项目中引入 maven 依赖
② 布隆过滤器测试
测试结果：
从上面的简单测试，我们可以看到误判率 320 / 10000 = 0.032.
从源码中我们也可以看出 fpp = 0.03
注意：
BloomFilter.create(Funnels.integerFunnel(), n, fpp);// 可以设置自定义设置误判率
@Python大星 | 文