| title |
|---|
什么是布隆过滤器？如何解决高并发缓存穿透问题？ |
作者：Tom哥
公众号：微观技术
博客：https://offercome.cn
人生理念：知道的越多，不知道的越多，努力去学
日常开发中，大家经常使用缓存，但是你知道大型的互联网公司面对高并发流量，要注意缓存穿透问题吗!!! 本文会介绍布隆过滤器，空间换时间，以较低的内存空间、高效解决这个问题。
本篇文章的目录：
现在的年轻人都喜欢网购，没事就逛逛淘宝，剁剁手，买些自己喜欢的东西，释放下工作压力。
上图是一个天猫 iphone12 的商品详情页，id表示商品的编号
我们都知道淘宝的访问量是非常高的，为了提升系统的吞吐量，做了很多性能优化，其中非常重要一点是将信息异构到缓存中。
有句话说的好：性能不够，缓存来凑。
但是，使用缓存时，我们要关注一个重要问题，如果缓存没有命中怎么办？
- ①我们先查询缓存，判断缓存中是否有数据
- ②如果有数据，直接返回
- ③如果缓存为空，我们需要再查一次数据库，并将数据格式异构化，然后预热到缓冲中，然后将结果返回
注意：
步骤 ③ 存在风险漏洞，如果缓存中数据不存在，压力会转嫁给数据库。假如被竞争对手利用，搞无效请求流量攻击，瞬间大量请求打到数据库中，对系统性能产生很大影响，很容易把数据库打挂，这种现象称为缓存穿透。
我们的思路是，缓存中能不能判断这个数据库值的存在性，如果真的不存在，直接返回，也避免一次数据库查询。
由于不存在是个无限边界，所以，我们采用反向策略，将存在的值建立一个高效的检索。每次缓存取值时，先走一次判空检索。
简单归纳下，这个框架的要求：
- 快速检索
- 内存空间要非常小
经调研，我们发现布隆过滤器具备以上两个条件。
布隆过滤器（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。布隆过滤器可以用于检索一个元素是否在一个集合中。
- 优点：空间效率和查询时间都远远超过一般的算法。
- 缺点：有一定的误识别率，删除困难。
布隆过滤器本质上是一个 n 位的二进制数组，用0和1表示。
假如我们以商品为例，有三件商品，商品编码分别为，id1、id2、id3
1、首先，对id1，进行三次哈希，并确定其在二进制数组中的位置。
三次哈希，对应的二进制数组下标分别是 2、5、8，将原始数据从 0 变为 1。
2、对id2，进行三次哈希，并确定其在二进制数组中的位置。
三次哈希，对应的二进制数组下标分别是 2、7、98，将原始数据从 0 变为 1。
下标 2，之前已经被操作设置成 1，则本次认为是哈希冲突，不需要改动。
Hash 规则：如果在 Hash 后，原始位它是 0 的话，将其从 0 变为 1；如果本身这一位就是 1 的话，则保持不变。
跟初始化的过程有点类似，当查询一件商品的缓存信息时，我们首先要判断这件商品是否存在。
- 通过三个哈希函数对商品id计算哈希值
- 然后，在布隆数组中查找访问对应的位值，0或1
- 判断，三个值中，只要有一个不是1，那么我们认为数据是不存在的。
注意：布隆过滤器只能精确判断数据不存在情况，对于存在我们只能说是可能，因为存在Hash冲突情况，当然这个概率非常低。
1、增加二进制位数组的长度。这样经过hash后数据会更加的离散化，出现冲突的概率会大大降低
2、增加Hash的次数，变相的增加数据特征，特征越多，冲突的概率越小
带着疑问，我们来做个实验
假设有1千万个数据，我们需要记录其是否存在。存在的话标记1，不存在标记为0。技术选型，框架采用Redis的BitMap存储。
数据初始化预热代码：
redisTemplate.executePipelined(new RedisCallback<Long>() {
@Nullable
@Override
public Long doInRedis(RedisConnection connection) throws DataAccessException {
connection.openPipeline();
for (int offset = 10000000; offset >= 0; offset--) {
boolean value = offset % 2 == 0 ? true : false;
connection.setBit("bloom-filter-data-1".getBytes(), offset, value);
}
connection.closePipeline();
return null;
}
});
System.out.println("数据预热完成");
性能有点慢，我们也可以采用分组形式，10000个数一组，多批次提交。
数据上传完了后，大小 1.19M，跟我们设想的一样。
计算公式： 10000000/8/1024/1024=1.19M
Java语言的生态非常繁荣，提供了很多开箱即用的开源框架供我们使用。布隆过滤器也不例外，Java 中提供了一个 Redisson 的组件，它内置了布隆过滤器。
首先引入依赖包
<dependency>
<groupId>org.redisson</groupId>
<artifactId>redisson</artifactId>
<version>3.11.1</version>
</dependency>
代码示例：
/**
* @author 微信公众号：微观技术
*/
@Test
public void test5() {
Config config = new Config();
config.useSingleServer().setAddress("redis://172.16.67.37:6379");
RedissonClient cient = Redisson.create(config);
RBloomFilter<String> bloomFilter = cient.getBloomFilter("test5-bloom-filter");
// 初始化布隆过滤器，数组长度100W，误判率 1%
bloomFilter.tryInit(1000000L, 0.01);
// 添加数据
bloomFilter.add("Tom哥");
// 判断是否存在
System.out.println(bloomFilter.contains("微观技术"));
System.out.println(bloomFilter.contains("Tom哥"));
}
运行结果：
false // 肯定不存在
true // 可能存在，有1%的误判率
注意：误判率设置过小，会产生更多次的 Hash 操作，降低系统的性能。通常我们的建议值是 1%
初始化后的布隆过滤器，可以直接拿来使用了。但是如果原始数据删除了怎么办？布隆过滤器二进制数组如何维护？
直接删除不行吗？
还真不行！因为这里面有Hash冲突的可能，会导致误删。
怎么办？
1、开发定时任务，每隔几个小时，自动创建一个新的布隆过滤器数组，替换老的，有点CopyOnWriteArrayList的味道
2、布隆过滤器增加一个等长的数组，存储计数器，主要解决冲突问题，每次删除时对应的计数器减一，如果结果为0，更新主数组的二进制值为0
- 本文重点介绍的，解决缓存穿透
- 网页爬虫对URL的去重，避免爬取相同的URL地址
- 反垃圾邮件，从数十亿个垃圾邮件列表中判断某邮箱是否垃圾邮箱