布隆过滤器原理及实现

!! 大家好，我是蓝胖子，我一直相信编程是一门实践性的技术，其中算法也不例外，初学者可能往往对它可望而不可及，觉得很难，学了又忘，忘其实是由于没有真正搞懂算法的应用场景，所以我准备出一个系列，囊括我们在日常开发中常用的算法，并结合实际的应用场景，真正的感受算法的魅力。

今天，我们就来学习下布隆过滤器的原理以及作用。

代码已经上传到github

https://github.com/HobbyBear/codelearning/tree/master/bloomfilter

作用

通常我们在缓存层前面会添加一层布隆过滤器，它能够迅速的判断那些一定不在缓存中的数据，防止缓存击穿。

布隆过滤器返回false的数据一定不在缓存里，返回true的数据也可能不在缓存里。即使不能百分百判断数据是否一定存在于缓存中，它依然能够过滤大量的无效不在缓存中的数据，所以被广泛使用。

原理

为啥不能百分百的判断数据是否一定存在，这就需要来了解下布隆过滤器的原理。在构建布隆过滤器时，会创建一个bitmap，关于bitmap的讲解可以查看我之前的文章位图(bitmap)原理以及实现  ，使用布隆过滤器的步骤如下:

1，比如一个场景，我们添加缓存时，需要先将key添加到布隆过滤器中，需要将key用多个hash函数经过多次hash，比如三次，得到3个数字a,b,c 。

2， 然后将a,b,c 对应在bitmap中的bit位设置1。

3，当要从缓存中读取数据时，也是先从布隆过滤器中读取，此时需要将要读取的缓存key也经过多个hash函数多次hash，判断hash得到的数字对应在bitmap中的bit位是否都是1，如果有一个不为1，说明这个缓存key肯定没有添加过缓存，就不用再去请求缓存服务器了。

这里要注意的是，因为是hash函数，所以有可能key1和key2最后hash的结果是一样的，这样布隆过滤器只添加key1时，还是会在读取key2时返回true，这样还是会去读缓存服务器，即使key2并不在缓存服务器中。

并且由于在bitmap中存储的是hash后的结果，所以布隆过滤器也不能删除数据，一个好的使用方式是定时重建布隆过滤器，让旧布隆过滤器过期。

实现

接着，我们来看下布隆过滤器的实现,我仿照java的Guava中的布隆过滤器实现写了一个golang的版本， hash函数用的murmur3 得到两个hash值，通过迭代k次hash值的效果代替了运行k次hash函数，然后将得到的结果设置到bitmap中。

需要注意的是hash.Sum128 返回的uint64，这个类型在转换成int64类型时可能会产生负数，所以我们需要将它同math.MaxInt64得到正数，然后与bitmap的大小进行取模，这样得到的数字永远是一个正数且不会超过bitmap的长度。

func (b *BloomFilter) Add(key string) {

bitSetSize := b.m

hashFunCount := b.k

hash := murmur3.New128()

hash.Write([]byte(key))

hash1, hash2 := hash.Sum128()

combinedHash := hash1

for i := 0; i 

b.bitset.Set((uint64ToInt64(combinedHash) & math.MaxInt64) % bitSetSize)

combinedHash += hash2

}

}

func (b *BloomFilter) MightContain(key string) bool {

bitSetSize := b.m

hashFunCount := b.k

hash := murmur3.New128()

hash.Write([]byte(key))

hash1, hash2 := hash.Sum128()

combinedHash := hash1

for i := 0; i 

if !b.bitset.Exits((uint64ToInt64(combinedHash) & math.MaxInt64) % bitSetSize) {

return false

}

combinedHash += hash2

}

return true

}

func uint64ToInt64(num uint64) int64 {

if num 

return int64(num)

}

return int64(num - uint64(math.MaxInt64) + 1)

}