Java利用布隆过滤器实现快速检查元素是否存在
布隆过滤器是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。
基本概念
当需要判断某个元素是否在某个数据集中时，一般会怎么做？
将数据集封装成集合，比如List、Set等
通过集合提供的API判断该元素是否存在于集合
这样的实现比较简单，同时通过现有的JDK都能很快达到目的，但是设想一下，如果上面说到的集合数据量非常的大，这样不仅会耗费较大的存储空间，同时 在集合中检索元素的时间复杂度也会随之增加。那么有没比较好的方法去实现判断元素是否存在这样的情形呢？
也就是布隆过滤器。
通过一系列的Hash函数将元素映射到一个位阵列（Bit Array）中的多个点位上，判断元素是否存在，则是判断所有点位是不是都为1。然而，位阵列上都为1并不一定能够保证该元素一定存在，也有可能是其他元素Hash后落在了该点位上，这就是布隆过滤器的误判。
因此通过布隆过滤器我们可以确定：
元素可能在集合中
元素一定不在集合中
应用场景
网页爬虫时忽略已经判定的URL路径
邮箱通过设置过滤垃圾邮件
集合重复元素的判别，有效判断元素不在集合中
防止数据缓存时的缓存穿透问题
优缺点
优点
相比于其它的数据结构，布隆过滤器在空间和时间方面都有巨大的优势。
布隆过滤器存储空间和插入/查询时间都是常数。
Hash函数相互之间没有关系，方便由硬件并行实现。
布隆过滤器不需要存储元素本身，对保密要求非常严格的场合有优势。
布隆过滤器可以表示全集，其它任何数据结构都不能。
缺点
元素存在的误判
一般情况下不支持元素（位阵列）的删除
实现原理
核心其实是元素如何存储？如何判断元素是否存在？核心方法就两个，一个“存”一个检查，里面涉及到了算法相关知识，感兴趣可以深入研究下其实现原理与思想。
put 将元素放入过滤器中，但不是存储
public boolean put(@ParametricNullness T object, Funnel funnel, int numHashFunctions, LockFreeBitArray bits) {
long bitSize = bits.bitSize(); // 位数组，可以通过redis来实现分布式的布隆过滤器
long hash64 = Hashing.murmur3_128().hashObject(object, funnel).asLong(); //通过funnel将对象转换成基本类型并计算64位hash
int hash1 = (int)hash64; // 取低32位
int hash2 = (int)(hash64 >>> 32); // 取高32位
boolean bitsChanged = false;
//
for(int i = 1; i <= numHashFunctions; ++i) {
int combinedHash = hash1 + i * hash2;
if (combinedHash < 0) {
combinedHash = ~combinedHash;
}
bitsChanged |= bits.set((long)combinedHash % bitSize);
}
return bitsChanged;
}mightContain 与put相似，计算的过程相同，不同的是值的判断
public boolean mightContain(@ParametricNullness T object, Funnel funnel, int numHashFunctions, LockFreeBitArray bits) {
long bitSize = bits.bitSize();
long hash64 = Hashing.murmur3_128().hashObject(object, funnel).asLong();
int hash1 = (int)hash64;
int hash2 = (int)(hash64 >>> 32);
for(int i = 1; i <= numHashFunctions; ++i) {
int combinedHash = hash1 + i * hash2;
if (combinedHash < 0) {
combinedHash = ~combinedHash;
}
if (!bits.get((long)combinedHash % bitSize)) {
return false;
}
}
return true;
}我们可以简单第理解其实现原理？比如现在有一个容器，我们定义为String[] bitArray = new String[26]作为位阵列， 现在有一堆由小写英文组成的元素，我们假定Hash算法为a-z到1~26的映射。
现在有一个元素abc，hash后为1110000000...，保存到bitArray ：1110000000...
现在有一个元素cde, hash后为0011100000...，保存到bitArray ：1111100000...
现在又有一个新的元素ade，hash后同样为100110000...，很明显会认为该元素存在，这就是FFP
为什么判断元素一定不在集合中呢？很显然，如果一个元素存在，则该元素hash后的bit数组必须全部都是1，反之则不存在
示例
@Test
public void match(){
BloomFilter filter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()),10000,0.2);
List ids = new ArrayList<>();
IntStream.rangeClosed(1,10000).forEach(index->{
String id = UUID.randomUUID().toString();
ids.add(id);
filter.put( id );
});
ids.forEach(id->{
// 正常情况下全部失败，但是会有 20%的返回true
System.out.println( id + ":" + filter.mightContain( id+1 ));
});
}流程很简单：
根据配置构建BloomFilter对象
通过put方法，初始化数据到filter
通过方法mightContain判断元素是否存在
结束语
BloomFilter虽然看起来简单，但是其内部的实现包含了很多的数学与算法知识，我们只是通过其简单的API就能各种复杂的功能。关于如何将目前说到的这些在具体的项目中进行实践与集成 后面会来介绍，首先我们能够先了解一些技术一起能解决上面问题，理解了原理与目的，使用也就不是难事。