布隆过滤器的原理和使用场景详解_布隆过滤器使用场景

什么是布隆过滤器？

布隆过滤器是一种数据结构，特点是高效的插入和查询，而且非常节省空间。通过对位（bit）的操作，可以用来告诉你”某个值一定不存在或者可能存在“。相比于传统的 List、Set、Map 等数据结构，它更高效、占用空间更少，但是缺点是 hash 碰撞造成的误判。

场景

一般使用较多的场景就是避免缓存穿透，具体场景就是：在使用 Reids 做数据缓存的时候，很有可能会遇到一个问题：用户想要查询一个数据，发现 redis 缓存没有命中，于是向数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求数据库。这会给数据库造成很大的压力，这时候就相当于出现了缓存穿透。缓存穿透也是实际开发中必须要避免和提前预防的内容之一。

避免缓存穿透，有以下几种解决方案：

1、缓存空值。
当数据库查询不到数据时，也往缓存里写入空值，这样可以避免大量请求命中数据库。但缺点很明显，如果空值需要被缓存，意味着需要存储更多的 key 。而且即使对空值设置了过期时间，还会照成业务上的不一致。此种用法较初级，不推荐使用。

2、使用 HashMap。
将需要查询的 key 提前加载到 HashMap 中，因为 HashMap 查找的时间复杂度为 O(1) ，因此通过映射可以快速查找到相应的 Key 来判定 Key 是否存在 ，如果查不出来就没必要继续查找缓存了。但是这样做的话极其消耗宝贵的内存，数据量大的情况下成本也会上升。此种做法会对内容造成不可测的负担，不推荐使用。

3、使用 Bloom Filter。
原理上和使用 HashMap 一样，但更省空间。此