一、简述

关于布隆过滤器的详细介绍，我在这里就不再赘述一遍了

我们首先知道：BloomFilter使用长度为m bit的字节数组，使用k个hash函数，增加一个元素: 通过k次hash将元素映射到字节数组中k个位置中，并设置对应位置的字节为1。查询元素是否存在: 将元素k次hash得到k个位置，如果对应k个位置的bit是1则认为存在，反之则认为不存在。

Guava 中已经有具体的实现，而在我们实际生产环境中，本地的存储往往无法满足我们实际的 需求。所以在这时候，就需要我们使用 redis 了。

二、Redis 安装 Bloom Filter

git clone https://github.com/RedisLabsModules/redisbloom.git
cd redisbloom
make # 编译vi redis.conf
## 增加配置
loadmodule /usr/local/web/redis/RedisBloom-1.1.1/rebloom.so##redis 重启
#关闭
./redis-cli -h 127.0.0.1 -p 6379 shutdown
#启动
./redis-server ../redis.conf &

三、基本指令

#创建布隆过滤器，并设置一个期望的错误率和初始大小
bf.reserve userid 0.01 100000
#往过滤器中添加元素
bf.add userid 'sbc@163.com'
#判断指定key的value是否在bloomfilter里存在，存在：返回1，不存在：返回0
bf.exists userid 'sbc@163.com'

四、结合 SpingBoot

搭建一个简单的 springboot 框架

1、方式一：使用Redisson

配置maven

4.0.0com.bloomtest-bloomfilter1.0-SNAPSHOTorg.springframework.bootspring-boot-starter-parent1.5.8.RELEASE org.springframework.bootspring-boot-starterorg.apache.commonscommons-lang33.0.1

redis本身对布隆过滤器就有一个很好地实现，在 java 端，我们直接导入 redisson 的 jar包即可

org.redissonredisson3.8.2

将 Redisson实例 注入 SpringIOC 容器中

@Configuration
public class RedissonConfig {@Value("${redisson.redis.address}")private String address;@Value("${redisson.redis.password}")private String password;@Beanpublic Config redissionConfig() {Config config = new Config();SingleServerConfig singleServerConfig = config.useSingleServer();singleServerConfig.setAddress(address);if (StringUtils.isNotEmpty(password)) {singleServerConfig.setPassword(password);}return config;}@Beanpublic RedissonClient redissonClient() {return Redisson.create(redissionConfig());}
}

配置yml文件

redisson.redis.address=redis://127.0.0.1:6379
redisson.redis.password=

最后测试我们的布隆过滤器

@SpringBootApplication
public class BloomApplication {public static void main(String[] args) {ConfigurableApplicationContext context = SpringApplication.run(BloomApplication.class, args);RedissonClient redisson = context.getBean(RedissonClient.class);RBloomFilter bf = redisson.getBloomFilter("test-bloom-filter");bf.tryInit(100000L, 0.03);Set set = new HashSet(1000);List list = new ArrayList(1000);//向布隆过滤器中填充数据，为了测试真实，我们记录了 1000 个 uuid，另外 9000个作为干扰数据for (int i = 0; i < 10000; i++) {String uuid = UUID.randomUUID().toString();if(i<1000){set.add(uuid);list.add(uuid);}bf.add(uuid);}int wrong = 0; // 布隆过滤器误判的次数int right = 0;// 布隆过滤器正确次数for (int i = 0; i < 10000; i++) {String str = i % 10 == 0 ? list.get(i / 10) : UUID.randomUUID().toString();if (bf.contains(str)) {if (set.contains(str)) {right++;} else {wrong++;}}}//right 为1000System.out.println("right:" + right);//因为误差率为3%，所以一万条数据wrong的值在30左右System.out.println("wrong:" + wrong);//过滤器剩余空间大小System.out.println(bf.count());}
}

以上使我们使用 redisson 的使用方式，下面介绍一种比较原始的方式，使用lua脚本的方式

2、方式二：使用lua脚本

bf_add.lua

local bloomName = KEYS[1]
local value = KEYS[2]
local result = redis.call('BF.ADD',bloomName,value)
return result

bf_exist.lua

local bloomName = KEYS[1]
local value = KEYS[2]local result = redis.call('BF.EXISTS',bloomName,value)
return result

@Service
public class RedisBloomFilterService {@Autowiredprivate RedisTemplate redisTemplate;//我们依旧用刚刚的那个过滤器public static final String BLOOMFILTER_NAME = "test-bloom-filter";/*** 向布隆过滤器添加元素* @param str* @return*/public Boolean bloomAdd(String str) {DefaultRedisScript LuaScript = new DefaultRedisScript();LuaScript.setScriptSource(new ResourceScriptSource(new ClassPathResource("bf_add.lua")));LuaScript.setResultType(Boolean.class);//封装传递脚本参数List params = new ArrayList();params.add(BLOOMFILTER_NAME);params.add(str);return (Boolean) redisTemplate.execute(LuaScript, params);}/*** 检验元素是否可能存在于布隆过滤器中 * @param id * @return*/public Boolean bloomExist(String str) {DefaultRedisScript LuaScript = new DefaultRedisScript();LuaScript.setScriptSource(new ResourceScriptSource(new ClassPathResource("bf_exist.lua")));LuaScript.setResultType(Boolean.class);//封装传递脚本参数ArrayList params = new ArrayList();params.add(BLOOMFILTER_NAME);params.add(String.valueOf(str));return (Boolean) redisTemplate.execute(LuaScript, params);}
}

最后我们还是用上面的启动器执行测试代码

@SpringBootApplication
public class BloomApplication {public static void main(String[] args) {ConfigurableApplicationContext context = SpringApplication.run(BloomApplication.class, args);RedisBloomFilterService filterService = context.getBean(RedisBloomFilterService.class);Set set = new HashSet(1000);List list = new ArrayList(1000);//向布隆过滤器中填充数据，为了测试真实，我们记录了 1000 个 uuid，另外 9000个作为干扰数据for (int i = 0; i < 10000; i++) {String uuid = UUID.randomUUID().toString();if (i < 1000) {set.add(uuid);list.add(uuid);}filterService.bloomAdd(uuid);}int wrong = 0; // 布隆过滤器误判的次数int right = 0;// 布隆过滤器正确次数for (int i = 0; i < 10000; i++) {String str = i % 10 == 0 ? list.get(i / 10) : UUID.randomUUID().toString();if (filterService.bloomExist(str)) {if (set.contains(str)) {right++;} else {wrong++;}}}//right 为1000System.out.println("right:" + right);//因为误差率为3%，所以一万条数据wrong的值在30左右System.out.println("wrong:" + wrong);}
}

3、总结

相比而言，个人比较推荐第一种，实现的原理都是差不多，redis 官方已经为我封装好了执行脚本，和相关 api，用官方的会更好一点