标签：存在 缓存 hash -- bloom 误判 redis bloomFilter
需求：50亿个电话号码，查找10万个，判断10w个电话号码是否存在？
用bitmap/hyperloglog的话，亿级数据也是非常吃内存哟。
是个啥：
由一个初始值都为0的bit数组和多个哈希函数构成，用于快速判断某个数据是否存在。(多个hash函数，减少hash冲突概率)
本质：用于快速判断数据是否存在于一个大的集合中。类似set，但是统计结果不太准确。
特点：
1.插入、查询高效，占空间少，返回结果不确定。
2.一个元素，存在时，bloom来判断它不一定就存在；但是不存在的，bloom来判断，结果一定不存在。（hash冲突）
3.可以添加元素，但是不能删除，删除导致误判率增大
4.误判只会发生在bloom没添加过的元素，添加过的元素不会误判
主要解决：
★1.缓存穿透
空对象缓存治标不治本！黑客短时间发送大量不同的、不存在的key的话，依旧会造成压力。
Google的guava解决缓存穿透(单机版)
Redis的bloom解决缓穿-Redisson(集群好用–推荐)
Rebloom-非业务代码方式实现的布隆，直接安装在redis服务器，相当一个redis插件
fpp(误差率)设置的不是越小越好，误判率低，空间占比大，同时执行效率也会降低。
解决缓存穿透流程：
业务：黑、白名单
2.黑白名单校验
原理：
这就是不能删除的原因：多个哈希函数对多个obj哈希运算时，有可能出现上图3号槽位的冲突，删除后俩对象都被删除，但实质上俩对象都是存在的，会被误判为俩对象不存在。
★★原理一句话总结：
1.初始化 。
2.添加元素至过滤器 （给存在于redis的数据按位打个0/1★标识★，并非把真实数据存入过滤器！）。
3.判断是否存在。
往redis存之后再存入bloom，只要bloom中有，没那么redis大概率也有，bloom有误判偶尔缓存穿透一两次无所谓；只要bloom判断没有，那么就不必去redis查了。
hash冲突的案例:
sout(“Aa”.hashcode());
sout(“BB”.hashcode());
2.
下一代：布谷鸟过滤器。可以删除，查询效率和空间利用率都优于bloom
标签：存在,缓存,hash,--,bloom,误判,redis,bloomFilter 来源： https://blog.csdn.net/Strong_shady/article/details/120903383
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。