Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
醒狮指南
JavaGuide
提交
dc5cab0e
J
JavaGuide
项目概览
醒狮指南
/
JavaGuide
与 Fork 源项目一致
从无法访问的项目Fork
通知
5
Star
1
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
J
JavaGuide
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
dc5cab0e
编写于
12月 01, 2019
作者:
S
Snailclimb
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Redis 中的布隆过滤器
上级
9616a1b9
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
61 addition
and
6 deletion
+61
-6
docs/dataStructures-algorithms/data-structure/bloom-filter.md
.../dataStructures-algorithms/data-structure/bloom-filter.md
+61
-6
未找到文件。
docs/dataStructures-algorithms/data-structure/bloom-filter.md
浏览文件 @
dc5cab0e
...
...
@@ -7,8 +7,8 @@
3.
布隆过滤器使用场景。
4.
通过 Java 编程手动实现布隆过滤器。
5.
利用Google开源的Guava中自带的布隆过滤器。
6.
Redis 中的布隆过滤器。
7.
总结。
6.
Redis 中的布隆过滤器
(待完成)
。
7.
总结
(待完成)
。
### 1.什么是布隆过滤器?
...
...
@@ -227,11 +227,66 @@ true
在我们的示例中,当
`mightContain()`
方法返回
*true*
时,我们可以99%确定该元素在过滤器中,当过滤器返回
*false*
时,我们可以100%确定该元素不存在于过滤器中。
**Guava 提供的布隆过滤器的实现还是很不错的(想要详细了解的可以看一下它的源码实现),但是它有一个重大的缺陷就是只能单机使用(另外,容量扩展也不容易),而现在互联网一般都是分布式的场景。为了解决这个问题,我们就需要用到 Redis 中的布隆过滤器了。**
### 6.Redis 中的布隆过滤器
-
https://juejin.im/post/5bc7446e5188255c791b3360
Redis v4.0 之后有了 Module(模块/插件) 功能,Redis Modules 让 Redis 可以使用外部模块扩展其功能 。布隆过滤器就是其中的 Module。详情可以查看 Redis 官方对 Redis Modules 的介绍 :https://redis.io/modules。
另外,官网推荐了一个 RedisBloom 作为 Redis 布隆过滤器的 Module,地址:https://github.com/RedisBloom/RedisBloom。其他还有:
-
redis-lua-scaling-bloom-filter (lua 脚本实现):https://github.com/erikdubbelboer/redis-lua-scaling-bloom-filter
-
pyreBloom(Python中的快速Redis 布隆过滤器) :https://github.com/seomoz/pyreBloom
-
......
如果我们需要体验 Redis 中的布隆过滤器非常简单,通过 Docker 就可以了!我们直接在 Google 搜索
**docker redis bloomfilter**
然后在排除广告的第一条搜素结果就找到了我们想要的答案(这是我平常解决问题的一种方式,分享一下),具体地址:https://hub.docker.com/r/redislabs/rebloom/ (介绍的很详细 )。
**具体操作如下:**
```
➜ ~ docker run -p 6379:6379 --name redis-redisbloom redislabs/rebloom:latest
➜ ~ docker exec -it redis-redisbloom bash
root@21396d02c252:/data# redis-cli
127.0.0.1:6379>
```
**常用命令:**
> 注意: key:布隆过滤器的名称,item : 添加的元素。
### 8.其他推荐阅读
1.
**`BF.ADD `**
:将元素添加到布隆过滤器中,如果该过滤器尚不存在,则创建该过滤器。格式:
`BF.ADD {key} {item}`
。
2.
**`BF.MADD `**
: 将一个或多个元素添加到“布隆过滤器”中,并创建一个尚不存在的过滤器。该命令的操作方式
`BF.ADD`
与之相同,只不过它允许多个输入并返回多个值。格式:
`BF.MADD {key} {item} [item ...]`
。
3.
**`BF.EXISTS` **
: 确定元素是否在布隆过滤器中存在。格式:
`BF.EXISTS {key} {item}`
。
4.
**`BF.MEXISTS`**
: 确定一个或者多个元素是否在布隆过滤器中存在格式:
`BF.MEXISTS {key} {item} [item ...]`
。
另外,
`BF.RESERVE`
命令需要单独介绍一下:
这个命令的格式如下:
`BF.RESERVE {key} {error_rate} {capacity} [EXPANSION expansion] `
。
下面简单介绍一下每个参数的具体含义:
1.
key:布隆过滤器的名称
2.
error_rate :误报的期望概率。这应该是介于0到1之间的十进制值。例如,对于期望的误报率0.1%(1000中为1),error_rate应该设置为0.001。该数字越接近零,则每个项目的内存消耗越大,并且每个操作的CPU使用率越高。
3.
capacity: 过滤器的容量。当实际存储的元素个数超过这个值之后,性能将开始下降。实际的降级将取决于超出限制的程度。随着过滤器元素数量呈指数增长,性能将线性下降。
可选参数:
-
expansion:如果创建了一个新的子过滤器,则其大小将是当前过滤器的大小乘以
`expansion`
。默认扩展值为2。这意味着每个后续子过滤器将是前一个子过滤器的两倍。
实际使用:
```
shell
127.0.0.1:6379> BF.ADD myFilter java
(
integer
)
1
127.0.0.1:6379> BF.ADD myFilter javaguide
(
integer
)
1
127.0.0.1:6379> BF.EXISTS myFilter java
(
integer
)
1
127.0.0.1:6379> BF.EXISTS myFilter javaguide
(
integer
)
1
127.0.0.1:6379> BF.EXISTS myFilter github
(
integer
)
0
```
1.
详解布隆过滤器的原理,使用场景和注意事项:https://zhuanlan.zhihu.com/p/43263751
2.
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录