Redis基础篇——布隆过滤器

不太精确的set结构，使用contains方法判断对象是否存在时可能误判。
只要参数设置合理，精确度就相对足够精确。
只会误判存在，不会误判不存在。
一种数据结构，由一串很长的二进制向量组成，可以看成一个二进制数组，当做一个容器，初始默认值都是0。

1、使用场景

（1）爬虫：判断某个url是否已经爬过了；
（2）垃圾邮箱的过滤；
（3）判断新增的10W个号码，是否已经存在于10亿个号码池里了。

2、操作

bf.add
bf.exists
添加：
通过多个hash函数计算出多个index，将对应位置都置为1。
判断存在：
①把数据用这些hash函数都计算一次，只要有一个为0，就表示数据不存在；
②那么能不能说，如果一个数据的这些hash函数计算结果都是1，是不是就说明数据是存在的？答案是不能，因为多个数据可能这些hash函数计算结果一样。
所以说，布隆过滤器只能判断数据的不存在，不能判断存在。

3、优缺点

（1）二进制数组，占用内存小，插入、查询都快；
（2）数据越多，误判率越高，无法判断数据的存在，无法删除数据。

4、redis实现

（1）bitmap

另外写了一篇。

（2）Redisson

另外写了一篇。

标签：存在,判断,hash,二进制,误判,Redis,布隆,过滤器,数据
来源： https://blog.csdn.net/HelenAndLi/article/details/122043153