1.什么是布隆过滤器Bloom Filter 会使用一个较大的 bit 数组来保存所有的数据，数组中的每个元素都只占用 1 bit ，并且每个元素只能是 0 或者 1（代表 false 或者 true），用于检索元素是否存在于大集合中的数据结构。
缺点是：有一定的错误识别率
2.原理介绍核心原理：
数据结构：二进制数组+多个哈希函数组成添加元素：通过多个哈希函数计算得到多个位数组位置，将这些位置设为1查询元素：进行相同的哈希计算，判断数组中每个位置的元素是否都为1，如果都为1，则可能存在，如果有一个值不为1，则一定不存在。不同的字符串可能哈希出来的位置相同，这种情况我们可以适当增加位数组大小或者调整我们的哈希函数。
综上，我们可以得出：布隆过滤器说某个元素存在，小概率会误判。布隆过滤器说某个元素不在，那么这个元素一定不在。
3.使用场景主要是两种场景：
判断给定数据是否存在缓存穿透防护（拦截不存在的数据请求，避免频繁查询数据库）邮箱垃圾邮件过滤（判断一个邮件地址是否在垃圾邮件列表中）黑名单功能（判断一个IP或者手机号等是否在黑名单中）去重爬虫URL去重（爬给定网址时对已爬过的URL去重）对巨量QQ号、订单号去重抖音推荐功能，推荐的视频不重复4.具体实现（java手写）了解了布隆过滤器的原理，可以手动实现一个，关键步骤有：
一个合适大小的位数组几个不同的哈希函数添加元素到位数组的方法实现查询方法，即判断元素是否在位数组的方法实现直接贴一个代码案例：
代码语言：java复制import java.util.BitSet;
public class MyBloomFilter {
/**
* 位数组的大小
*/
private static final int DEFAULT_SIZE = 2 << 24;
/**
* 通过这个数组可以创建 6 个不同的哈希函数
*/
private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};
/**
* 位数组。数组中的元素只能是 0 或者 1
*/
private BitSet bits = new BitSet(DEFAULT_SIZE);
/**
* 存放包含 hash 函数的类的数组
*/
private SimpleHash[] func = new SimpleHash[SEEDS.length];
/**
* 初始化多个包含 hash 函数的类的数组，每个类中的 hash 函数都不一样
*/
public MyBloomFilter() {
// 初始化多个不同的 Hash 函数
for (int i = 0; i < SEEDS.length; i++) {
func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
}
}
/**
* 添加元素到位数组
*/
public void add(Object value) {
for (SimpleHash f : func) {
bits.set(f.hash(value), true);
}
}
/**
* 判断指定元素是否存在于位数组
*/
public boolean contains(Object value) {
boolean ret = true;
for (SimpleHash f : func) {
ret = ret && bits.get(f.hash(value));
}
return ret;
}
/**
* 静态内部类。用于 hash 操作！
*/
public static class SimpleHash {
private int cap;
private int seed;
public SimpleHash(int cap, int seed) {
this.cap = cap;
this.seed = seed;
}
/**
* 计算 hash 值
*/
public int hash(Object value) {
int h;
return (value == null) ? 0 : Math.abs((cap - 1) & seed * ((h = value.hashCode()) ^ (h >>> 16)));
}
}
}5.中间件实现Guava实现的布隆过滤器Guava 中布隆过滤器的实现算是比较权威的，缺陷是只能单机使用。要想在分布式场景使用，需要用redis的布隆过滤器。
具体代码实现可以自行搜索
Redis的布隆过滤器Redis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
除此之外，还有其他模块的布隆过滤器。
基础操作命令
命令
作用
示例
BF.ADD
向布隆过滤器添加单个元素，若key不存在则自动创建（默认参数：error_rate=0.01, capacity=100）。
BF.ADD user_filter "user:1001"
BF.MADD
批量添加多个元素到布隆过滤器。
BF.MADD user_filter "user:1002" "user:1003"
BF.EXISTS
判断单个元素是否可能存在于过滤器中（返回1可能存在，0一定不存在）。
BF.EXISTS user_filter "user:1001"
BF.MEXISTS
批量判断多个元素是否存在。
BF.MEXISTS user_filter "user:1001" "invalid_user"
实际使用：
代码语言：shell复制127.0.0.1:6379> BF.ADD myFilter java
(integer) 1
127.0.0.1:6379> BF.ADD myFilter javag
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter java
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter javag
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter github
(integer) 0