Redis中Redisson布隆過濾器的學習

2022-05-16 16:02:12

簡介

本文基於Spring Boot 2.6.6、redisson 3.16.0簡單分析Redisson布隆過濾器的使用。

布隆過濾器是一個非常長的二進位制向量和一系列隨機雜湊函數的組合，可用於檢索一個元素是否存在；

使用場景如下：

解決Redis快取穿透問題；
郵件過濾；

使用

建立一個二進位制向量，所有位設定0；
選擇K個雜湊函數，用於對元素進行K次雜湊，計算向量的位下標；
新增元素：將K個雜湊函數作用於該元素，生成K個值作為位下標，將向量的對應位設定為1；
檢索元素：將K個雜湊函數作用於該元素，生成K個值作為位下標，若向量的對應位都是1，則說明該元素可能存在；否則，該元素肯定不存在；

Demo

依賴

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
    <exclusions>
        <exclusion>
            <groupId>io.lettuce</groupId>
            <artifactId>lettuce-core</artifactId>
        </exclusion>
    </exclusions>
</dependency>
<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
</dependency>
<dependency>
    <groupId>org.redisson</groupId>
    <artifactId>redisson</artifactId>
    <version>3.16.0</version>
</dependency>

測試程式碼

public class BloomFilterDemo {

    public static void main(String[] args) {
        Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379");
        RedissonClient redissonClient = Redisson.create(config);
        RBloomFilter<String> bloomFilter = redissonClient.getBloomFilter("bloom-filter");
        // 初始化布隆過濾器
        bloomFilter.tryInit(200, 0.01);

        List<String> elements = new ArrayList<>();
        for (int i = 0; i < 200; i++) {
            elements.add(UUID.randomUUID().toString());
        }

        // 向布隆過濾器中新增內容
        init(bloomFilter, elements);
        // 測試檢索效果
        test(bloomFilter, elements);

        redissonClient.shutdown();
    }

    public static void init(RBloomFilter<String> bloomFilter, List<String> elements) {
        for (int i = 0; i < elements.size(); i++) {
            if (i % 2 == 0) {
                bloomFilter.add(elements.get(i));
            }
        }
    }

    public static void test(RBloomFilter<String> bloomFilter, List<String> elements) {
        int counter = 0;
        for (String element : elements) {
            if (bloomFilter.contains(element)) {
                counter++;
            }
        }
        System.out.println(counter);
    }
}

簡析

初始化

布隆過濾器的初始化方法tryInit有兩個引數：

expectedInsertions：預期的插入元素數量；
falseProbability：預期的錯誤率；

布隆過濾器可以明確元素不存在，但對於元素存在的判斷是存在錯誤率的；所以初始化時指定的這兩個引數會決定布隆過濾器的向量長度和雜湊函數的個數；
RedissonBloomFilter.tryInit方法程式碼如下：

public boolean tryInit(long expectedInsertions, double falseProbability) {
    if (falseProbability > 1) {
        throw new IllegalArgumentException("Bloom filter false probability can't be greater than 1");
    }
    if (falseProbability < 0) {
        throw new IllegalArgumentException("Bloom filter false probability can't be negative");
    }

    // 根據元素個數和錯誤率計算得到向量長度
    size = optimalNumOfBits(expectedInsertions, falseProbability);
    if (size == 0) {
        throw new IllegalArgumentException("Bloom filter calculated size is " + size);
    }
    if (size > getMaxSize()) {
        throw new IllegalArgumentException("Bloom filter size can't be greater than " + getMaxSize() + ". But calculated size is " + size);
    }
    // 根據元素個數和向量長度計算得到雜湊函數的個數
    hashIterations = optimalNumOfHashFunctions(expectedInsertions, size);

    CommandBatchService executorService = new CommandBatchService(commandExecutor);
    executorService.evalReadAsync(configName, codec, RedisCommands.EVAL_VOID,
            "local size = redis.call('hget', KEYS[1], 'size');" +
                    "local hashIterations = redis.call('hget', KEYS[1], 'hashIterations');" +
                    "assert(size == false and hashIterations == false, 'Bloom filter config has been changed')",
                    Arrays.<Object>asList(configName), size, hashIterations);
    executorService.writeAsync(configName, StringCodec.INSTANCE,
                                            new RedisCommand<Void>("HMSET", new VoidReplayConvertor()), configName,
            "size", size, "hashIterations", hashIterations,
            "expectedInsertions", expectedInsertions, "falseProbability", BigDecimal.valueOf(falseProbability).toPlainString());
    try {
        executorService.execute();
    } catch (RedisException e) {
        if (e.getMessage() == null || !e.getMessage().contains("Bloom filter config has been changed")) {
            throw e;
        }
        readConfig();
        return false;
    }

    return true;
}

private long optimalNumOfBits(long n, double p) {
    if (p == 0) {
        p = Double.MIN_VALUE;
    }
    return (long) (-n * Math.log(p) / (Math.log(2) * Math.log(2)));
}

private int optimalNumOfHashFunctions(long n, long m) {
    return Math.max(1, (int) Math.round((double) m / n * Math.log(2)));
}

新增元素

向布隆過濾器中新增元素時，先使用一系列雜湊函數根據元素得到K個位下標，然後將向量中位下標對應的位設定為1；
RedissonBloomFilter.add方法程式碼如下：

public boolean add(T object) {
    // 根據帶插入元素得到兩個long型別雜湊值
    long[] hashes = hash(object);

    while (true) {
        if (size == 0) {
            readConfig();
        }

        int hashIterations = this.hashIterations;
        long size = this.size;

        // 得到位下標陣列
        // 以兩個雜湊值根據指定策略生成hashIterations個雜湊值，從而得到位下標
        long[] indexes = hash(hashes[0], hashes[1], hashIterations, size);

        CommandBatchService executorService = new CommandBatchService(commandExecutor);
        addConfigCheck(hashIterations, size, executorService);
        RBitSetAsync bs = createBitSet(executorService);
        for (int i = 0; i < indexes.length; i++) {
            // 將位下標對應位設定1
            bs.setAsync(indexes[i]);
        }
        try {
            List<Boolean> result = (List<Boolean>) executorService.execute().getResponses();

            for (Boolean val : result.subList(1, result.size()-1)) {
                if (!val) {
                    // 元素新增成功
                    return true;
                }
            }
            // 元素已存在
            return false;
        } catch (RedisException e) {
            if (e.getMessage() == null || !e.getMessage().contains("Bloom filter config has been changed")) {
                throw e;
            }
        }
    }
}

private long[] hash(Object object) {
    ByteBuf state = encode(object);
    try {
        return Hash.hash128(state);
    } finally {
        state.release();
    }
}

private long[] hash(long hash1, long hash2, int iterations, long size) {
    long[] indexes = new long[iterations];
    long hash = hash1;
    for (int i = 0; i < iterations; i++) {
        indexes[i] = (hash & Long.MAX_VALUE) % size;
        // 雜湊函數的實現方式
        if (i % 2 == 0) {
            // 新雜湊值
            hash += hash2;
        } else {
            // 新雜湊值
            hash += hash1;
        }
    }
    return indexes;
}

hash(long hash1, long hash2, int iterations, long size)方法中，利用根據元素得到的兩個雜湊值，生成一系列雜湊函數，然後得到位下標陣列；

檢索元素

檢索布隆過濾器中是否存在指定元素時，先使用一系列雜湊函數根據元素得到K個位下標，然後判斷向量中位下標對應的位是否為1，若存在一個不為1，則該元素不存在；否則認為存在；
RedissonBloomFilter.contains方法程式碼如下：

public boolean contains(T object) {
    // 根據帶插入元素得到兩個long型別雜湊值
    long[] hashes = hash(object);

    while (true) {
        if (size == 0) {
            readConfig();
        }

        int hashIterations = this.hashIterations;
        long size = this.size;

        // 得到位下標陣列
        // 以兩個雜湊值根據指定策略生成hashIterations個雜湊值，從而得到位下標
        long[] indexes = hash(hashes[0], hashes[1], hashIterations, size);

        CommandBatchService executorService = new CommandBatchService(commandExecutor);
        addConfigCheck(hashIterations, size, executorService);
        RBitSetAsync bs = createBitSet(executorService);
        for (int i = 0; i < indexes.length; i++) {
            // 獲取位下標對應位的值
            bs.getAsync(indexes[i]);
        }
        try {
            List<Boolean> result = (List<Boolean>) executorService.execute().getResponses();

            for (Boolean val : result.subList(1, result.size()-1)) {
                if (!val) {
                    // 若存在不為1的位，則認為元素不存在
                    return false;
                }
            }
            // 都為1，則認為元素存在
            return true;
        } catch (RedisException e) {
            if (e.getMessage() == null || !e.getMessage().contains("Bloom filter config has been changed")) {
                throw e;
            }
        }
    }
}

到此這篇關於Redis中Redisson布隆過濾器的學習的文章就介紹到這了,更多相關Redis Redisson布隆過濾器內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

Redis中Redisson布隆過濾器的學習

目錄

簡介

使用

Demo

依賴

測試程式碼

簡析

初始化

新增元素

檢索元素

熱門文章