布隆过滤器：我说不存在。 200%不存在。 (我说它存在，我可能有错的时候…) )
前言：本文使用最简洁易懂的文字和小图进行说明。 (不详细说明哈希策略的计算。 ）
一.布隆过滤器有什么用？
二.布隆过滤器的原理是什么？
三.在java中如何使用布隆过滤器？
这篇报道的内容可能很多，请耐心等待。
一.布隆过滤器有什么简单的两点要说：
1 .保存值
储值是指储值，类似于我们常用的映射、集等；
2 .检查值是否存在
我想知道模糊过滤器中是否存在检测，调用相关的检测方法，就能知道一个结果。
特别注意：布隆过滤器检查值的结果返回的结果为false，如果不存在，则肯定不存在。
然而，如果结果为true，则可能存在并且概率上是误报。
为什么？ 看看下面的实现原理就知道了。
二.布隆过滤器的原理是什么
首先，从上面介绍的布隆过滤器的作用来说，是储存物品的容器。
但是，这个容器也有自己的特征，
1 .它有一定的大小。 也就是说，首先设定可以放多少东西。
2 .存在的检查要素的精度(指true存在的精度)越多，精度逐渐降低
怎样才能更好地理解这个原理呢？
决定根据布隆过滤器的作用角度进行说明。
首先，是储存数值的原理。 既然可以储存数值，然后可以检查是否存在，这个储存值显然不是直接扔进去就可以了，需要用算法计算。
这里不详细介绍这个算法，我用我的文字告诉你。 过程和结果。
模拟场景
假设完全空的光晕滤波器是由m个二进制位组成的数组，其中m=5个。
缺省情况下，这五个二进制位很容易理解为位置，并且都绑定了一个标记0
那么，让我们来看看如何存钱。
布隆过滤器存值，实际上不是存的 真实值，而且通过算法计算后，存入对应的标识。
过程简述，也就是布隆过滤器拿到我们传入的值， 它会将这个值，使用 K个 哈希函数去进行算法计算，计算完后，
会得出K个 二进制位的标识 0或者1 ，然后对应位置就会存入这个标识0或者1.
存值过程举例说明:我们必须存入的值是‘JC test’，
布隆过滤器采用相关的计算公式来计算需要使用多少散列函数，即k。
(m是数组的长度，n是要插入的元素的个数，k是hash函数的个数)
公式很容易明白。 这里假设k是3。
也就是说，‘JC test’需要经过三个散列函数来计算h1、h2、h3。
计算算法后，结果如下。
h1算法对“‘JCtest”的结果是二进制位置为1
h2算法对“JC测试”的结果是二进制位置为3
h2算法对“‘JCtest”进行的结果表明，二进制位置为5
此时，对应的图如下所示。
一三五个位置的标志现在就可以联系到1
类似地，假设存储在第二个值“‘BFtest”中也需要经由三个散列函数，并且，
计算出的二进制位分别为2、3和5，当前的光晕滤波器如下所示：
到目前为止，我实际上知道了该布隆过滤器的值的存储方法。 简言之，每个值都会转换为几个位置之一。 储存在里面的话，位置是1。 在所有位置都达到1之前，不能再存了。 (请不要担心这个位置是否马上变成1。 这里只举例说明了5个位置，所以在后面的使用介绍环节中储存100万并不是问题。 ）
对光晕过滤器有无检查值的原理进行说明。很简单，其实也是我们告诉布隆过滤器一个值， 它也会通过K计算公式，取出一定数量的哈希函数，也是计算出很多个位置，
然后进行一个个的位置监视，如果所有的位置都是1的话，这个时候它会返回true，告诉我们这个值存在；
如果某个位置为0，则此时返回false，告诉我该值不存在。
如果要检查校验举例说明：值，请单击“‘JCtest”、
通过布隆过滤器
公式计算得出它准备使用三个函数 h1,h2,h3，然后计算出对应的二进制位 一，三 ，五 ，接着去检查对应的位置上绑定的标识，如果都是1，那么就会返回存在 true。
误判举例说明：
那怎么会误判呢？
那就是例如，我们传入一个需要校验的值，‘CSDNTest’，布隆过滤器通过相关函数算出，位置恰好也是一，二，三 ，那我们实际上根本没存过CSDNTest，
但是因为我们之前存JCtest 和 BFTest 导致了相关的位置都绑定了标识1，所以这时候布隆过滤器就产生了误判现象。（这个概率不高其实，接下来的实用介绍会了解到）
PS： 也是因为这种校验的策略，所以只要在校验的时候，检测到一个对应的位置不为1，那么毫无疑问！这个值是百分之两百不存在的！
三.java中怎么使用布隆过滤器
了解了布隆过滤器的作用和原理后，那么我们接下来在java中使用它。
该篇就不去手动实现布隆过滤器了，因为 在GoogleGuavalibrary中Google为我们提供了一个布隆过滤器的实现。
所以我们第一步，导入jar包：
<dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>19.0</version> </dependency>
然后建一个BloomFilterTest.class ：
import com.google.common.base.Charsets;import com.google.common.hash.BloomFilter;import com.google.common.hash.Funnels;/** * @Author : JCccc * @CreateTime : 2020/3/31 * @Description : **/public class BloomFilterTest { private static int size = 1000000;//预计要插入多少数据 private static double fpp = 0.01;//期望的误判率 public static void main(String[] args) { //存入的是字符串 BloomFilter<CharSequence> bloomFilterStr = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), size, fpp); for (int i = 0; i < size; i++) { bloomFilterStr.put("test" + i); } boolean containsValue1 = bloomFilterStr.mightContain("test1"); boolean containsValue2 = bloomFilterStr.mightContain("test34"); boolean containsValue3 = bloomFilterStr.mightContain("test1000001"); System.out.println(containsValue1); System.out.println(containsValue2); System.out.println(containsValue3); }}校验结果：
然后再试下，使用布隆过滤器存入数字：
BloomFilter<Integer> bloomFilterInt = BloomFilter.create(Funnels.integerFunnel(), size, fpp); for (int i=0; i<size;i++){ bloomFilterInt.put(i); } boolean containsValue4 = bloomFilterInt.mightContain(1); boolean containsValue5 = bloomFilterInt.mightContain(2); boolean containsValue6 = bloomFilterInt.mightContain(10000002); System.out.println(containsValue4); System.out.println(containsValue5); System.out.println(containsValue6);
结果：
可以看到以上两存值&校验的测试都是准确无误的，那么我们大规模的存值检查，看看存在的误判现象：
我们刚刚往 bloomFilterInt 这个过滤器里面存入了0到1000000 个数字值，
那么接下来我们直接从1000000开始去累加到2000000，去进行校验，
我们明确知道 这时候的布隆过滤器里面有1百万个值，而我们的1000000到2000000除了‘1000000’其实都是不存在的，都应该返回false。
接下来我们用代码来模拟下这个判断存在 的误判现象：
结果：
在这一百万个数值的布隆过滤器里面，再校验一百万次，存在的误判数是10314次。
所以咱们使用布隆过滤器进行值的存入和校验时， 我们应该更偏向使用 它返回的false 进行结合业务做操作，因为它的判断如果返回fasle，那是百分之两百可信的！
当然其实true误报的情况，概率也是非常小的，在一定的业务场景也能使用的其实。
ps：
例如，我们先到布隆过滤器查询一个订单是否存在，不存在就当失败订单处理；
存在的话，我们再去数据库获取详情信息进行订单的后续操作。
这时候只需要我们再接收到订单存入数据库的时候，把单独的订单号存入布隆过滤器即可。
就算布隆过滤器误判了，我们再去数据库查询订单时，加上多一步校验存在与否即可。
这样就可以减轻每个订单都需要查数据库的压力。
（其实有过了解redis使用的小伙伴，就明显知道布隆过滤器配和redis使用会非常不错，可以一定程度防止缓存穿透，这些我有时间会在我的redis栏目写一篇对缓存穿透和缓存雪崩的介绍和解决思路相关的文章）
那么这篇普及布隆过滤器就先到这吧。
如果光看这个觉得没有安全感，那么可以继续看一下我这篇，springboot结合redis去使用布隆过滤器：
https://blog.csdn.net/qq_35387940/article/details/105700615