SpringBoot+Redis如何实现布隆过滤器

小编给大家分享一下SpringBoot+Redis如何实现布隆过滤器，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！

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。

Redis 安装 Bloom Filter

git clone https://github.com/RedisLabsModules/redisbloom.gitcd redisbloommake # 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 &

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0bf.exists userid 'sbc@163.com'

结合 SpingBoot

搭建一个简单的 springboot 框架

方式一

配置

    4.0.0    com.bloom    test-bloomfilter    1.0-SNAPSHOT            org.springframework.boot        spring-boot-starter-parent        1.5.8.RELEASE                                     org.springframework.boot            spring-boot-starter                            org.apache.commons            commons-lang3            3.0.1            

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.redisson  redisson  3.8.2

将 Redisson实例 注入 SpringIOC 容器中

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

配置文件

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

最后测试我们的布隆过滤器

@SpringBootApplicationpublic 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1000        System.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

方式二

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

@Servicepublic class RedisBloomFilterService {    @Autowired    private 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

@SpringBootApplicationpublic 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1000        System.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);    }}

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

看完了这篇文章，相信你对"SpringBoot+Redis如何实现布隆过滤器"有了一定的了解，如果想了解更多相关知识，欢迎关注行业资讯频道，感谢各位的阅读！