为什么须要布隆过滤器

设想一下遇到上面的场景你会如何解决：

  1. 手机号是否反复注册
  2. 用户是否参加过某秒杀流动
  3. 伪造申请大量 id 查问不存在的记录，此时缓存未命中,如何防止缓存穿透

针对以上问题惯例做法是：查询数据库，数据库硬扛，如果压力并不大能够应用此办法，放弃简略即可。

改良做法：用 list/set/tree 保护一个元素汇合，判断元素是否在汇合内，工夫复杂度或空间复杂度会比拟高。如果是微服务的话能够用 redis 中的 list/set 数据结构, 数据规模十分大此计划的内存容量要求可能会十分高。

这些场景有个共同点，能够将问题形象为：如何高效判断一个元素不在汇合中？
那么有没有一种更好计划能达到工夫复杂度和空间简单双优呢？

有！布隆过滤器。

什么是布隆过滤器

布隆过滤器（英语：Bloom Filter）是 1970 年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器能够用于检索一个元素是否在一个汇合中，它的长处是空间效率和查问工夫都远远超过个别的算法。

工作原理

布隆过滤器的原理是，当一个元素被退出汇合时，通过 K 个散列函数将这个元素映射成一个位数组中的 K 个点（offset），把它们置为 1。检索时，咱们只有看看这些点是不是都是 1 就（大概）晓得汇合中有没有它了：如果这些点有任何一个 0，则被检元素肯定不在；如果都是 1，则被检元素很可能在。这就是布隆过滤器的根本思维。

简略来说就是筹备一个长度为 m 的位数组并初始化所有元素为 0，用 k 个散列函数对元素进行 k 次散列运算跟 len(m)取余失去 k 个地位并将 m 中对应地位设置为 1。

布隆过滤器优缺点

长处：

  1. 空间占用极小，因为自身不存储数据而是用比特位示意数据是否存在，某种程度有窃密的成果。
  2. 插入与查问工夫复杂度均为 O(k)，常数级别，k 示意散列函数执行次数。
  3. 散列函数之间能够互相独立，能够在硬件指令层减速计算。

毛病：

  1. 误差（假阳性率）。
  2. 无奈删除。
误差（假阳性率）

布隆过滤器能够 100% 判断元素不在汇合中，然而当元素在汇合中时可能存在误判，因为当元素十分多时散列函数产生的 k 位点可能会反复。
维基百科有对于假阳性率的数学推导（见文末链接）这里咱们间接给论断(实际上是我没看懂...)，假如：

  • 位数组长度 m
  • 散列函数个数 k
  • 预期元素数量 n
  • 冀望误差__

在创立布隆过滤器时咱们为了找到适合的 m 和 k ，能够依据预期元素数量 n 与 来推导出最合适的 m 与 k 。

java 中 Guava, Redisson 实现布隆过滤器估算最优 m 和 k 采纳的就是此算法：

// 计算哈希次数@VisibleForTestingstatic int optimalNumOfHashFunctions(long n, long m) {    // (m / n) * log(2), but avoid truncation due to division!    return Math.max(1, (int) Math.round((double) m / n * Math.log(2)));}// 计算位数组长度@VisibleForTestingstatic long optimalNumOfBits(long n, double p) {    if (p == 0) {        p = Double.MIN_VALUE;    }    return (long) (-n * Math.log(p) / (Math.log(2) * Math.log(2)));}
无奈删除

位数组中的某些 k 点是多个元素重复使用的，如果咱们将其中一个元素的 k 点全副置为 0 则间接就会影响其余元素。
这导致咱们在应用布隆过滤器时无奈解决元素被删除的场景。

能够通过定时重建的形式革除脏数据。如果是通过 redis 来实现的话重建时不要间接删除原有的 key，而是学生成好新的再通过 rename 命令即可，再删除旧数据即可。

go-zero 中的 bloom filter 源码剖析

core/bloom/bloom.go

一个布隆过滤器具备两个外围属性：

  1. 位数组：
  2. 散列函数

go-zero实现的bloom filter中位数组采纳的是Redis.bitmap，既然采纳的是 redis 天然就反对分布式场景，散列函数采纳的是MurmurHash3

Redis.bitmap 为什么能够作为位数组呢？

Redis 中的并没有独自的 bitmap 数据结构，底层应用的是动静字符串（SDS）实现，而 Redis 中的字符串理论都是以二进制存储的。
a 的ASCII码是 97，转换为二进制是：01100001，如果咱们要将其转换为b只须要进一位即可：01100010。上面通过Redis.setbit实现这个操作：

set foo a \
OK \
get foo \
"a" \
setbit foo 6 1 \
0 \
setbit foo 7 0 \
1 \
get foo \
"b"

bitmap 底层应用的动静字符串能够实现动静扩容，当 offset 到高位时其余地位 bitmap 将会主动补 0，最大反对 2^32-1 长度的位数组（占用内存 512M），须要留神的是调配大内存会阻塞Redis过程。
依据下面的算法原理能够晓得实现布隆过滤器次要做三件事件：

  1. k 次散列函数计算出 k 个位点。
  2. 插入时将位数组中 k 个位点的值设置为 1。
  3. 查问时依据 1 的计算结果判断 k 位点是否全副为 1，否则示意该元素肯定不存在。

上面来看看go-zero 是如何实现的：

对象定义
// 示意通过多少散列函数计算// 固定14次maps = 14type (    // 定义布隆过滤器构造体    Filter struct {        bits   uint        bitSet bitSetProvider    }    // 位数组操作接口定义    bitSetProvider interface {        check([]uint) (bool, error)        set([]uint) error    })
位数组操作接口实现

首先须要了解两段 lua 脚本：

// ARGV:偏移量offset数组// KYES[1]: setbit操作的key// 全副设置为1setScript = `    for _, offset in ipairs(ARGV) do        redis.call("setbit", KEYS[1], offset, 1)    end    `// ARGV:偏移量offset数组// KYES[1]: setbit操作的key// 查看是否全副为1testScript = `    for _, offset in ipairs(ARGV) do        if tonumber(redis.call("getbit", KEYS[1], offset)) == 0 then            return false        end    end    return true    `

为什么肯定要用 lua 脚本呢?
因为须要保障整个操作是原子性执行的。

// redis位数组type redisBitSet struct {    store *redis.Client    key   string    bits  uint}// 查看偏移量offset数组是否全副为1// 是:元素可能存在// 否:元素肯定不存在func (r *redisBitSet) check(offsets []uint) (bool, error) {    args, err := r.buildOffsetArgs(offsets)    if err != nil {        return false, err    }    // 执行脚本    resp, err := r.store.Eval(testScript, []string{r.key}, args)    // 这里须要留神一下,底层应用的go-redis    // redis.Nil示意key不存在的状况需非凡判断    if err == redis.Nil {        return false, nil    } else if err != nil {        return false, err    }    exists, ok := resp.(int64)    if !ok {        return false, nil    }    return exists == 1, nil}// 将k位点全副设置为1func (r *redisBitSet) set(offsets []uint) error {    args, err := r.buildOffsetArgs(offsets)    if err != nil {        return err    }    _, err = r.store.Eval(setScript, []string{r.key}, args)    // 底层应用的是go-redis,redis.Nil示意操作的key不存在    // 须要针对key不存在的状况非凡判断    if err == redis.Nil {        return nil    } else if err != nil {        return err    }    return nil}// 构建偏移量offset字符串数组,因为go-redis执行lua脚本时参数定义为[]stringy// 因而须要转换一下func (r *redisBitSet) buildOffsetArgs(offsets []uint) ([]string, error) {    var args []string    for _, offset := range offsets {        if offset >= r.bits {            return nil, ErrTooLargeOffset        }        args = append(args, strconv.FormatUint(uint64(offset), 10))    }    return args, nil}// 删除func (r *redisBitSet) del() error {    _, err := r.store.Del(r.key)    return err}// 主动过期func (r *redisBitSet) expire(seconds int) error {    return r.store.Expire(r.key, seconds)}func newRedisBitSet(store *redis.Client, key string, bits uint) *redisBitSet {    return &redisBitSet{        store: store,        key:   key,        bits:  bits,    }}

到这里位数组操作就全副实现了，接下来看下如何通过 k 个散列函数计算出 k 个位点

k 次散列计算出 k 个位点
// k次散列计算出k个offsetfunc (f *Filter) getLocations(data []byte) []uint {    // 创立指定容量的切片    locations := make([]uint, maps)    // maps示意k值,作者定义为了常量:14    for i := uint(0); i < maps; i++ {        // 哈希计算,应用的是"MurmurHash3"算法,并每次追加一个固定的i字节进行计算        hashValue := hash.Hash(append(data, byte(i)))        // 取下标offset        locations[i] = uint(hashValue % uint64(f.bits))    }      return locations}
插入与查问

增加与查问实现就非常简单了，组合一下下面的函数就行。

// 增加元素func (f *Filter) Add(data []byte) error {    locations := f.getLocations(data)    return f.bitSet.set(locations)}// 查看是否存在func (f *Filter) Exists(data []byte) (bool, error) {    locations := f.getLocations(data)    isSet, err := f.bitSet.check(locations)    if err != nil {        return false, err    }    if !isSet {        return false, nil    }    return true, nil}

改良倡议

整体实现十分简洁高效，那么有没有改良的空间呢？

集体认为还是有的，下面提到过主动计算最优 m 与 k 的数学公式，如果创立参数改为：

预期总数量expectedInsertions

冀望误差falseProbability

就更好了，尽管作者正文里特地提到了误差阐明，然而实际上作为很多开发者对位数组长度并不敏感，无奈直观晓得 bits 传多少预期误差会是多少。

// New create a Filter, store is the backed redis, key is the key for the bloom filter,// bits is how many bits will be used, maps is how many hashes for each addition.// best practices:// elements - means how many actual elements// when maps = 14, formula: 0.7*(bits/maps), bits = 20*elements, the error rate is 0.000067 < 1e-4// for detailed error rate table, see http://pages.cs.wisc.edu/~cao/papers/summary-cache/node8.htmlfunc New(store *redis.Redis, key string, bits uint) *Filter {    return &Filter{        bits:   bits,        bitSet: newRedisBitSet(store, key, bits),    }}// expectedInsertions - 预期总数量// falseProbability - 预期误差// 这里也能够改为option模式不会毁坏原有的兼容性func NewFilter(store *redis.Redis, key string, expectedInsertions uint, falseProbability float64) *Filter {    bits := optimalNumOfBits(expectedInsertions, falseProbability)    k := optimalNumOfHashFunctions(bits, expectedInsertions)    return &Filter{        bits:   bits,        bitSet: newRedisBitSet(store, key, bits),        k:      k,    }}// 计算最优哈希次数func optimalNumOfHashFunctions(m, n uint) uint {    return uint(math.Round(float64(m) / float64(n) * math.Log(2)))}// 计算最优数组长度func optimalNumOfBits(n uint, p float64) uint {    return uint(float64(-n) * math.Log(p) / (math.Log(2) * math.Log(2)))}

回到问题

如何预防非法 id 导致缓存穿透?

因为 id 不存在导致申请无奈命中缓存流量间接打到数据库，同时数据库也不存在该记录导致无奈写入缓存，高并发场景这无疑会极大减少数据库压力。
解决方案有两种：

  1. 采纳布隆过滤器

数据写入数据库时需同步写入布隆过滤器，同时如果存在脏数据场景（比方：删除）则须要定时重建布隆过滤器，应用 redis 作为存储时不能够间接删除 bloom.key，能够采纳 rename key 的形式更新 bloom

  1. 缓存与数据库同时无奈命中时向缓存写入一个过期工夫较短的空值。

材料

布隆过滤器（Bloom Filter）原理及 Guava 中的具体实现

布隆过滤器-维基百科

Redis.setbit

我的项目地址

https://github.com/zeromicro/go-zero

欢送应用 go-zero 并 star 反对咱们！

微信交换群

关注『微服务实际』公众号并点击 交换群 获取社区群二维码。