刷抖音的時候是否曾想過，我們刷過的視頻很難在重復刷到那么它到底是如何實現(xiàn)的呢？

如果說我們每刷一個視頻并且把視頻id和用戶的id組合成一條數(shù)據(jù)保存到數(shù)據(jù)庫中每次推薦視頻的時候都去數(shù)據(jù)檢測是否已經(jīng)刷過了，嗯，這樣可以實現(xiàn)這個功能，但是存在多個問題，頻繁操作數(shù)據(jù)表對數(shù)據(jù)庫造成很大的負擔，每次推薦視頻時都得保存數(shù)據(jù)，人流量一多，數(shù)據(jù)庫很快就扛不住。

那么我們可否使用緩存redis中的set來實現(xiàn)呢？當然是可以的，redis4.0版本給我們提供了更加快捷更加節(jié)省空間的數(shù)據(jù)結構--布隆過濾器（Bloom Filter）

布隆過濾器的簡介

布隆過濾器（BloomFilter）是一個很長的二進制向量和一系列隨機映射函數(shù)，我們也可以簡單的理解為它是一個不怎么精確的set結構。本質上布隆過濾器是一種數(shù)據(jù)結構，比較巧妙的概率型數(shù)據(jù)結構（probabilistic data structure），特點是高效地插入和查詢，可以用來告訴你 “某樣東西一定不存在或者可能存在”。相比于傳統(tǒng)的List、Set、Map等數(shù)據(jù)結構，它更高效、占用空間更少，但是缺點是其返回的結果是概率性的，但是我們不必過于擔心它不夠精確，只要參數(shù)設置合理，它的精度可以控制到足夠的精確。

適用場景：

• 大數(shù)據(jù)是否存在的問題，比如上述的刷抖音去重問題

• 解決緩存擊穿問題，如果數(shù)據(jù)請求一直是一個不存在的內容，那么它會越過緩存直接請求數(shù)據(jù)庫，造成緩存擊穿，布隆過濾器也可以解決此類問題

• 解決爬蟲爬到重復url內容等等

布隆過濾器基本使用

布隆過濾器有二個基本指令，bf.add添加元素，bf.exists查詢元素是否存在，它的用法和set集合的sadd和sismember差不多。注意bf.add只能一次添加一個元素，如果想要一次添加多個，就需要用到bf.madd指令。同樣如果需要一次查詢多個元素是否存在，就需要用到bf.mexists指令。

> bf.add user user1(integer) 1> bf.add user user2(integer) 1> bf.add user user3(integer) 1> bf.exists user user1(integer)?1>?bf.exists?user user4(integer) 0> bf.madd user user4 user5 user61) (integer) 12) (integer) 13) (integer) 1> bf.mexists user user4 user5 user6 user71) (integer) 12) (integer) 13) (integer) 14) (integer) 0

上面使用的布隆過過濾器只是默認參數(shù)的布隆過濾器，它在我們第一次add的時候自動創(chuàng)建。Redis也提供了可以自定義參數(shù)的布隆過濾器，只需要在add之前使用bf.reserve指令顯式創(chuàng)建就好了。如果對應的key已經(jīng)存在，bf.reserve會報錯。bf.reserve有三個參數(shù)，分別是key、error_rate(錯誤率)和initial_size：
error_rate越低，需要的空間越大
initial_size表示預計放入的元素數(shù)量，當實際數(shù)量超過這個值時，誤判率就會提升，所以需要提前設置一個較大的數(shù)值避免超出導致誤判率升高；
如果不適用bf.reserve，默認的error_rate是0.01，默認的initial_size是100。

布隆過濾器的實現(xiàn)原理

add操作

每個布隆過濾器對應到Redis的數(shù)據(jù)結構里面就是一個大型的位數(shù)組和幾個不一樣的無偏 hash 函數(shù)。所謂無偏就是能夠把元素的 hash 值算得比較均勻。向布隆過濾器中添加key時，會使用多個hash函數(shù)對key進行hash算得一個整數(shù)索引值然后對位數(shù)組長度進行取模運算得到一個位置，每個hash函數(shù)都會算得一個不同的位置。再把位數(shù)組的這幾個位置都置為1就完成了add操作。

exists操作

exists操作跟add一樣，也會把hash的幾個位置都算出來，看看位數(shù)組中這幾個位置是否都是1，只要有一個位為0，那么說明布隆過濾器中這個key不存在。如果都是1，這并不能說明這個key就一定存在，只是極有可能存在，因為這些位被置為1可能是因為其它的key存在所致。

如果這個位數(shù)組比較稀疏，這個概率就會很大，如果這個位數(shù)組比較擁擠，這個概率就會降低。使用時不要讓實際元素遠大于初始化大小，當實際元素開始超出初始化大小時，應該對布隆過濾器進行重建，重新分配一個size更大的過濾器，再將所有的歷史元素批量add進去 (這就要求我們在其它的存儲器中記錄所有的歷史元素)。因為error_rate不會因為數(shù)量超出就急劇增加，這就給我們重建過濾器提供了較為寬松的時間。

空間占用估算

計算公式：k=0.7*(l/n)??????????#約等于f=0.6185^(l/n) #^表示次方計算，也就是 math.pow

布隆過濾器有兩個參數(shù)，第一個是預計元素的數(shù)量n，第二個是錯誤率f。公式根據(jù)這兩個輸入得到兩個輸出，第一個輸出是位數(shù)組的長度l，也就是需要的存儲空間大小(bit)，第二個輸出是hash函數(shù)的最佳數(shù)量k。hash函數(shù)的數(shù)量也會直接影響到錯誤率，最佳的數(shù)量會有最低的錯誤率。

從公式中可以看出

• 1.位數(shù)組相對越長(l/n)，錯誤率f越低，這個和直觀上理解是一致的

• 位數(shù)組相對越長(l/n)，hash函數(shù)需要的最佳數(shù)量也越多，影響計算效率

• 當一個元素平均需要1個字節(jié)(8bit)的指紋空間時(l/n=8)，錯誤率大約為 2%

錯誤率	一個元素所需平均空間	空間數(shù)
10%	4.792個bit	5bit
1%	9.585個bit	10bit
0.1%	14.377個bit	15bit

有人會問如果實際的元素超過了預算元素，錯誤率會如何變化，會不會錯誤率非常高？我們引入一個公式

f=(1-0.5^t)^k#極限近似，?k?是?hash?函數(shù)的最佳數(shù)量#t表示實際元素和預計元素的倍數(shù)

錯誤率為 10% 時，倍數(shù)比為 2 時，錯誤率就會升至接近 40%
錯誤率為 1% 時，倍數(shù)比為 2 時，錯誤率升至 15%
錯誤率為 0.1%，倍數(shù)比為 2 時，錯誤率升至 5%

?

?

?

一名正在搶救的coder

筆名：mangolove

CSDN地址：https://blog.csdn.net/mango_love

GitHub地址：https://github.com/mangoloveYu

?

總結

以上是生活随笔為你收集整理的Redis如何实现刷抖音不重复-布隆过滤器（Bloom Filter）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。