Redis布隆过滤器( 二 ) _Redis

这里有一个测试数据：

文章插图

后面4列中的数据就是发生误差的数量。可见，空间大小和集合大小不变的情况下，增加hash函数可以显著减小误差。但一旦集合大小达到空间大小的25%左右后，增加hash函数带来的提神效果并不明显。这个时候应该增加空间大小。
redis中的布隆过滤器
Redis的布隆过滤器不是原生自带的，而是要通过module加载进去。Redis在4.0的版本中加入了module功能。具体使用可以直接看RedisBloom github的README：github.com/RedisBloom/…
Redis的布隆过滤器主要有两个命令：

bf.add 添加元素到布隆过滤器中：bf.add strs xy
bf.exists 判断某个元素是否在过滤器中：bf.exists strs xy

Redis中有一个命令可以来设置布隆过滤器的准确率：
bf.reserve strs 0.01 100复制代码三个参数的含义：

第一个值是过滤器的名字。
第二个值为error_rate的值：允许布隆过滤器的错误率。
第三个值为initial_size的值：初始化位数组的大小。

扩展学习JAVA实现的布隆过滤器
如果你的项目没有使用Redis ，那可以使用一些开源库，基于代码实现，直接存放在内存。比如google的guava包中提供了BloomFilter类，有兴趣的读者可以去了解一下，研究研究源码和使用。
布谷鸟过滤器
RedisBloom模块还实现了布谷鸟过滤器，它算是对布隆过滤器的增强版。解决了布隆过滤器的一些比较明显的缺点，比如：不能删除元素，不能计数等。除此之外，布谷鸟过滤器不用使用多个hash函数，所以查询性能更高。除此之外，在相同的误判率下，布谷鸟过滤器的空间利用率要明显高于布隆，空间上大概能节省40%多。
笔者个人觉得，对于大多数场景来说，布隆过滤器足以解决我们的问题。掘金上有一篇深度分析布谷鸟过滤器的文章，有兴趣的读者可以去了解一下：juejin.im/post/5cfb9c…