Guava -- Bloom Filter原理
去重在软件开发中经常需要用到,在Java当中一般使用Set集合,面对大量数据则可以利用取MD5签名等值后再进行去重,然而Set集合的实现原理决定了如果有大量的key需要判断,必然会需要大量的内存来支撑,且随着数据量增大效率也变得不那么尽人意。另外业务中存在着很多对精确性不需要那么高的场景,此时使用Set集合则是一种资源浪费,因此就可以利用布隆过滤器
等算法手段进行去重。
业务场景
笔者实习面试的时候,面试官问了个关于怎么判断爬虫URL是否已经爬过的问题,笔者先回答了使用Set集合,然后升级为内存很小,数据量很大怎么办?笔者想了想往数据库插,取签名值后,可以分库分表,利用数据库唯一键来约束。面试官没再追问。。。后来见识到了布隆过滤器
,才想起来面试官真正的用意。
布隆过滤器的原理
布隆过滤器原理很简单,用一个很大的bit位数组与多个无偏hash函数(即计算出来的hash值呈均匀分布),当存入一个元素时,使用每一个hash函数进行hash,再与bit数组取模,得出的位置置为1。判断一个元素是否存在时,同样也是利用这样的方法判断对应的数组位是不是否为1。
从原理上可以得出布隆过滤器的特性:
- 存在不一定真的存在:存在则可能对应的数组位与其他key产生了碰撞。
- 不存在则一定不存在:不存在则一定不存在,那么这个特性则可以很好的实现去重。
那么问题又来了,布隆过滤器既然有一定误判率,怎么使这个误判率降低?
具体有相关公式,不过一般使用直接计算工具,比如bloom-calculator,100w的数据判断,万分之一的误判率才需要2M内存,优势巨大。
常见实现方案
guava
在Guava中提供了com.google.common.hash.BloomFilter
类,如下所示,可以很方便的实现布隆过滤器。其实现原理中有很多值得学习的点。
1 |
|
如何表示超长的bit数组?
在Java中提供的基本类型最小的位Byte,占8bits,最大的为Long,占64bits,因此常见方案是使用Long数组作为bits数组使用,举个例子 128bits可以用long[2]标识,146bits可以用long[3]表示,在Guava中对应的实现为com.google.common.hash.BloomFilterStrategies.LockFreeBitArray
。
**清单1: **
1 | static final class LockFreeBitArray { |
那么可以想象更新bits位的操作需要先定位到long数组的下标,然后使用将对应bits位置为1,具体做法如清单2所示。
清单2: bit位更新操作
1 | boolean set(long bitIndex) { |
扩展一下,这种拆分思想的应用很多,DB上有分库分表,应用上有各种锁拆分,比如ConcurrentHashMap
,LongAdder
,那么业务上可以怎么利用呢?想到一种在业务中一个账户的金额如果频繁变动,那么就需要对这个账户不停的做更新操作,到DB那一层则是高并发,那么此时将一个账户拆分为多个呢?比如收入是一个账户,支出是另一个账户,或者按照币种维护,按照业务维度等方法,那么就将一个账户的锁拆分为账户的锁,有效的降低了高并发带来的锁竞争问题。当然一致性上还需要应用层使用事务等机制来解决。
如何多次hash计算?
如上图计算,100w元素,0.0001误判率下需要13次hash计算,hash在快次数一多也必然会成为性能瓶颈,在Guava中并没有引入多个Hash函数,而是计算出一个hash值后,其他的使用位移,乘除等方法快速计算出来,其实本身是均匀分布的随机值,也没必要使用多个hash函数。
清单3: hash计算
1 | MURMUR128_MITZ_32() { |
另外com.google.common.hash.BloomFilterStrategies
也是枚举策略模式的典型应用场景,值得学习,关于策略模式可以参考
设计模式–策略模式的思考
Redis
Guava只能本地使用,面对分布式场景时则可以选择一些缓存类组件实现,在Redis4.0版本之后,提供了module支持了布隆过滤器 RedisBloom,主要命令如下所示,具体实现原理不是很了解了,在此也不多讨论。
清单1: redis bloom filter命令
1 | BF.RESERVE {key} {error_rate} {size} 初始化一个布隆过滤器 |
参考
- Redis深度历险
- 版权声明: 感谢您的阅读,本文由屈定's Blog版权所有。如若转载,请注明出处。
- 文章标题: Guava -- Bloom Filter原理
- 文章链接: https://mrdear.cn/posts/framework-guava-bloomfilter.html