Redis数据类型--布隆过滤器类型详解及应用_redission的布隆过滤器是用什么数据类型实现的

数据结构

Redis无论什么数据类型，存储的时候都是以键值对key-value形势存储，并且所有的key都是String类型，本文讨论的数据类型是value的数据类型。

布隆过滤器

概述：布隆过滤器（Bloom Filter）是 1970 年由布隆提出的，Redis 4.0版本已插件的形式引入到Redis中，布隆过滤器是一种占用空间非常小的概率数据结构，效率高，有一定的误判率，而且无法删除元素，主要用于去重场景。

布隆过滤器常用命令：

布隆过滤器的原理？

• 布隆过滤器（Bloom Filter）由二进制向量（即位数组）和一系列随机映射函数（即哈希函数）两部分组成，其空间占用非常小。
• 布隆过滤器（Bloom Filter）使用exists()方法来判断某个元素是否存在，布隆过滤器判断某个值不存在，那么这个值就一定不存在，当其判断某个值存在时候，这个值不一定存在，但是有一定的误判率。
• 布隆过滤器（Bloom Filter）判断某个值是否存在的时候，会对这个值进行hash计算，然后找到在位数组中的位置(可能是多个位置)，若都为1则表示这个值可能存在，若有一个为0，则说明值不存在。

布隆过滤器的工作流程：

• 往布隆过滤器中添加值的时候，先使用布隆过滤器的的hash函数对值进行计算，得到对应的hash值，找到对应的位数组位置，将只设置为1。
• 判断一个值是否存在于布隆过滤器的时候，同样先对值进行相同的hash计算，得到对应的hash值，找到对应的位数组位置，如果都为1，则表示只存在于布隆过器中，否则就不在。

布隆过滤器的优点：

• 空间占用小，不记录原数据，只标记是否存在。
• 支持海量数据下的不精准判断元素是否存在，存在误判。

布隆过滤器的缺点：

• 存在误判，不适合准确度要求高的场景。
• 只能增加不可删除，存在误判。
• 只能去重判断，不支持计算，对于需要去重计数的场景不友好。

布隆过滤器的应用场景：

• 防止缓存穿透。
• 黑名单校验，防止被攻击。
• 判断用户是否访问过，防止用户看到重复的内容。
• 统计在线人数。

如有不正确的地方请各位指出纠正。