难缠的布隆过滤器，这次终于通透了

今天来聊一聊面试八股文：布隆过滤器。

说道布隆过滤器，就免不了说到缓存穿透。

缓存穿透

在高并发下，查询一个并不存在的值时，缓存不会被命中，导致大量请求直接落到数据库。

数据库的响应能力肯定没有缓存大，出线这样的情况，一般是黑客攻击，拖慢了系统的响应速度。

头脑风暴

朴素的分析思路： 在缓存前加一道屏障：放置存在(可能存在)的查询键，屏蔽不可能存在的查询键，
业内一般使用布隆过滤器来做这个屏障。

布隆过滤器的实现过程

布隆过滤器内部维护了一个全为0的bit数组，几个hash函数（f1,f2）

假设有输入集合{N1,N2}，哈希函数f1、f2

1. 经过计算 f1(N1)=2, f2(N1)=5, 则将数组下表为2,5的位置标记为1：

2. 同理计算f2(N1)=3, f2(N2)=4,则将数组下表为3,4的位置标记为1：

3. 有第三个数N3，我们判断N3在不在集合{N1,N2}中， 就进行f1(N3)、f2(N3)的计算

• 如果f1(N3),f2(N3)计算的值均落在上图红色区域， 则说明N3可能属于集合{N1,N2}中的一员
• 如果f1(N3),f2(N3)计算的值有一个落在红色区域的外面，则说明N3一定不属于集合

布隆过滤器的设计原理

(这里是重点，再看不懂，私聊我)

数据库所有的键，经过一次哈希运算，收敛到(A,B)区间，

某个待查询的键K，如果经过同样的哈希运算，落在(A,B)区间，因为存在哈希碰撞，所以我们说K有可能属于数据库中所有的键中的一员；

但是如果该K经过哈希运算，没有落在收敛区间，则证明K一定不属于原数据库键。

那为什么要使用多个哈希函数？
因为经过一次哈希函数落在收敛区间，只能说该K有可能属于原数据库键，但是如果经过多个哈希函数，还是落到收敛区间，概率叠加，无形中增大了该K属于原数据库键的概率。

总体上看： 布隆过滤器是利用了哈希算法的单向收敛性+概率论。

时间复杂度： 要判断N是否属于原查询键，只需要经过几次哈希运算，所以布隆过滤器判断的过程是很快的，

布隆过滤器的应用

很明显，布隆过滤器【认定某个键在集合中】存在误报， 经过上面的分析:误报率跟哈希碰撞和有几个哈希函数有关，

成熟的布隆过滤器，这些你都不需要考虑，只需要指定 ① 哈希结果的存储区 ②容量 ③误报率

package	nuget
BloomFilter.NetCore	以内存存储哈希结果
BloomFilter.Redis.NetCore	以redis存储哈希结果
BloomFilter.EasyCaching.NetCore

using BloomFilter;
using System;
using System.Collections.Generic;

namespace BoomFilter
{
    class Program
    {
        static readonly IBloomFilter bf = FilterBuilder.Build(10000000, 0.03);
        static void Main(string[] args)
        {
            int size = 10000000;
            for (int i = 0; i < size; i++)
            {
                bf.Add(i);
            }

            var list = new List<int>();
            // 故意取100个不在布隆过滤器中的值，看下有多少值误报
            for(int i= size+1;i<size+100;i++)
            {
                if (bf.Contains(i))
                {
                    list.Add(i);
                }
            }
            Console.WriteLine($"误报的个数为：{list.Count}");
        }
    }
}

上面这个100个数字，肯定不在原集合，但是我们使用的布隆过滤器却认定有5个数字 在原集合，所以说【认定在 有误报】

总结

布隆过滤器是 哈希函数单向收敛和 概率论的完美结合，

从上面的分析看，解决缓存穿透，我们在Cache前面预热一个布隆过滤器，就可以阻止绝大部分非法的查询键。

注意，布隆过滤器对删除不友好，所以如果数据库键有大量变更，需要重建布隆过滤器。