如何抗住亿级流量之布隆过滤器布隆过滤器javaredis

前言很久没写文章了，今天来学习下大名鼎鼎的 布隆过滤器 。
正文什么是布隆过滤器
这个牛轰轰的神器是布隆这位大牛在 1970 年发明的，是一个二进制向量数据结构，当时专门解决数据查询问题。可以用来告诉你 某样东西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，但是缺点是其返回的结果是概率性的，而不是确切的。
布隆过滤器有什么用
说起布隆过滤器的作用可以大家可能首先想到的就是Redis缓存穿透，那我们先来说说什么是缓存穿透？
你肯定上过京东、淘宝这样的购物网站，不知有没有注意过：在我们日常开发中，其实每一个页面的 URL 网址是和具体的商品对应的。
比如说，当前我标红的 857，就是我们商品的 sku 编号，你可以理解为是这个商品型号的唯一编码。这里商品编号为 857，那显示的页面自然也是对应的内容。

文章图片

比如在 618 当天，数亿网友 shopping 剁手时，商城应用同时收到海量请求，要求访问、下单、支付，这时机器如何顶得住呢？这就涉及我们系统的架构了，来看一下。

文章图片

首先作为商城的用户，他发起一个请求，比如这里还是要查看 857 号的商品。
这时作为商城应用程序，它会向后台的 Redis 缓存服务器进行查询。
如果缓存数据库中没有 857 号的商品数据，我们程序就需要在后台的数据库服务器中进行查询，并且填充至 Redis 服务器，这是一个正常的操作流程。
那么在长时间积累后，我们的缓存服务器里面的数据可能就是这个样子的。为了好理解，这里我假设商城有 1000 件商品，编号从 1~1000。
此时此刻作为商城用户，如果查询 857 号商品时，商城应用就不再需要从 MySQL 数据库中进行数据提取，直接从 Redis 服务器中将数据提取并返回就可以了。因为 Redis 它是基于内存的，无论是从吞吐量还是处理速度来说，都要比传统的 MySQL 数据库快很多倍。
随着时间不断积累，那么在 Redis 的服务器中应该会存储编号从 1~1000 的所有商品数据缓存。
【如何抗住亿级流量之布隆过滤器】Redis 面临的安全隐患：缓存穿透
大家请注意当前缓存中只有 1~1000 号数据。
假设如果是同行恶意竞争，或者由第三方公司研发了爬虫机器人，在短时间内批量的进行数据查询，而这些查询的编号则是之前数据库中不存在的，比如现在看到的 8888、8889、8890 这些都是不存在的。

文章图片

此时我们系统就会遇到一个重大的安全隐患：因为商城应用在向后台 Redis 查询时，由于缓存中没有这条数据，它就进而到了数据库服务器中进行查询。
【无效请求超高并发，会导致崩溃】
要知道数据库服务器对于瞬时超高并发的访问承载能力并不强。所以在短时间内，由爬虫机器人或者流量攻击机器人发来的这些无效的请求，都会瞬间的灌入到数据库服务器中，对我们的系统的性能造成极大的影响，甚至会产生系统崩溃。
而这种绕过 Redis 服务器，直接进入后台数据库查询的攻击方式，我们就称之为缓存穿透。
对于小规模的缓存穿透是不会对我们系统产生大的影响，但如果是缓存穿透攻击则又是另外一码事了。缓存穿透攻击，是指恶意用户在短时内大量查询不存在的数据，导致大量请求被送达数据库进行查询，当请求数量超过数据库负载上限时，使系统响应出现高延迟甚至瘫痪的攻击行为，就是缓存穿透攻击。

文章图片

预防缓存穿透“神器”：布隆过滤器
在架构设计时有一种最常见的设计被称为布隆过滤器，它可以有效减少缓存穿透的情况。其主旨是采用一个很长的二进制数组，通过一系列的 Hash 函数来确定该数据是否存在。
这么说可能有些晦涩，我们通过一系列的图表演示你就明白了。
布隆过滤器本质上是一个 n 位的二进制数组。你也知道二进制只有 0 和 1 来表示，针对于当前我们的场景。这里我模拟了一个二进制数组，其每一位它的初始值都是 0。

文章图片

而这个二进制数组会被存储在 Redis 服务器中，那么这个数组该怎么用呢？
1.若干次 Hash 来确定其位置刚才我们提到作为当前的商城，假设有 1000 个商品编号，从 1~1000。作为布隆过滤器，在初始化的时候，实际上就是对每一个商品编号进行若干次 Hash 来确定它们的位置。
（1）1 号商品计算
比如说针对于当前的“1”编号，我们对其执行了三次 Hash。所谓 Hash 函数就是将数据代入以后确定一个具体的位置。
Hash 1 函数：它会定位到二进制数组的第 2 位上，并将其数值从 0 改为 1；
Hash 2 函数：它定位到索引为 5 的位置，并将从 0 改为 1；
Hash 3 函数：定位到索引为 99 的位置上，将其从 0 改为 1。

文章图片

（2）2 号商品计算
那 1 号商品计算完以后，该轮到 2 号商品。2 号商品经过三次 Hash 以后，分别定位到索引为 1、3 以及 98 号位置上。

文章图片

（3）1000 号商品计算
此时 2 号商品也处理完了，我们继续向后 3、4、5、6、7、8 直到编号达到了最后一个 1000，当商品编号 1000 处理完后，他将索引为 3、6、98 设置为 1。

文章图片

2.布隆过滤器在电商商品中的实践作为布隆过滤器，它存储在 Redis 服务器中该怎么去使用呢？这就涉及我们日常开发中对于商品编号的比对了。
（1）先看一个已存在的情况
比如，此时某一个用户要查询 858 号商品数据。都知道 858 是存在的，那么按照原始的三个 Hash 分别定位到了 1、5 和 98 号位，当每一个 Hash 位的数值都是 1 时，则代表对应的编号它是存在的。

文章图片

（2）再看一个不存在的情况
例如这里要查询 8888。8888 这个数值经过三次 Hash 后，定位到了 3、6 和 100 这三个位置。此时索引为 100 的数值是 0，在多次 Hash 时有任何一位为 0 则代表这个数据是不存在的。

文章图片

简单总结一下：如果布隆过滤器所有 Hash 的值都是 1 的话，则代表这个数据可能存在。
注意我的表达：它是可能存在；但如果某一位的数值是 0 的话，它是一定不存在的。
布隆过滤器设计之初，它就不是一个精确的判断，因为布隆过滤器存在误判的情况。
（3）最后看一个误判情况
来看一下当前的演示：比如现在我要查询 8889 的情况，经过三次 Hash 正好每一位上都是 1。尽管在数据库中，8889 这个商品是不存在的；但在布隆过滤器中，它会被判定为存在。这就是在布隆过滤器中会出现的小概率的误判情况。

文章图片

3.如何减少布隆过滤器的误判？关于减少误判的产生，方法有两个：
第一个是增加二进制位数。在原始情况下我们设置索引位到达了 100，但是如果我们把它放大 1 万倍，到达了 100 万，是不是 Hash 以后的数据会变得更分散，出现重复的情况就会更小，这是第一种方式。
第二个是增加 Hash 的次数。其实每一次 Hash 处理都是在增加数据的特征，特征越多，出现误判的概率就越小。
现在我们是做了三次 Hash，那么如果你做十次，是不是它出现误判的概率就会小非常多？但是在这个过程中，代价便是 CPU 需要进行更多运算，这会让布隆过滤器的性能有所降低。
讲到这里，想必你对布隆过滤器应该有所了解了。但是在我们开发过程中，我们如何去使用布隆过滤器？来咱们看一下。
开发中，如何使用布隆过滤器？
1.布隆过滤器在 Java 中的应用其实作为 Java 积累了这么多年，像布隆过滤器这种经典的算法，早就为我们进行了封装和集成。在 Java 中提供了一个 Redisson 的组件，它内置了布隆过滤器，可以让程序员非常简单直接地去设置布隆过滤器。

文章图片

上面代码是Redisson的使用办法,在前几行代码,用来设置Redis服务器的服务地址及端口号。
而后面关键的地方在这里，我们实例化一个布隆过滤器对象，后面的参数指代 Redis 使用哪个 key 来保存布隆过滤器数据？
下面这句话非常关键，作为当前的布隆过滤器，这里需要调用 tryInit 方法，它有两个参数：
第一个参数是代表初始化的布隆过滤器长度，长度越大，出现误判的可能性就越低。
而第二个 0.01 则代表误判率最大允许为 1%，在我们以前的项目中通常也是设置为 1%。如果把这个数值设置太小，虽然会降低误判率，但会产生更多次的 Hash 操作，会降低系统的性能（正是刚刚讲过的），因此 1% 也是我所建议的数值。
当把布隆过滤器初始化以后，我们便可以通过 add 方法，往里边去添加数据。所谓添加数据，就是将数据进行多次 Hash，将对应位从 0 变为 1 的过程。例如，现在我们把编号 1 增加进去，之后可以通过布隆过滤器的 contains 方法来判断当前这个数据是否存在。
我们输入 1，它输出 true；而输入了不存在的 8888，则输出 false。
请注意：这两个结果的含义是不同的。
如果输出 false，则代表这个数据它是肯定不存在的；
但是如果输出 true 的时候，它有 1% 的概率可能不存在，因为布隆过滤器它存在误判的情况。
以上便是布隆过滤器在 Java 中的应用，但是布隆过滤器如果要运用在项目中又该变成什么样子？它的处理流程是什么？
2.布隆过滤器在项目中的应用咱们看一下布隆过滤器在项目中的使用流程，其实就归结成以下三部分：

文章图片

第一个部分是在应用启动时，我们去初始化布隆过滤器。例如将 1000 个、1 万个、10 万个商品进行初始化，完成从 0 到 1 的转化工作。
之后便是当用户发来请求时，会附加商品编号，如果布隆过滤器判断编号存在，则直接去读取存储在 Redis 缓存中的数据；如果此时 Redis 缓存没有存在对应的商品数据，则直接去读取数据库，并将读取到的信息重新载入到 Redis 缓存中。这样下一次用户在查询相同编号数据时，就可以直接读取缓存了。
另外一种情况是，如果布隆过滤器判断没有包含编号，则直接返回数据不存在的消息提示，这样便可以在 Redis 层面将请求进行拦截。
你可能会有疑惑，既然布隆过滤器存在误判率，那出现了误判该怎么办呢？
其实在大多数情况下，我们出现误判也不会对系统产生额外的影响。因为像刚才我们设置 1% 的误判率，1 万次请求才可能会出现 100 次误判的情况。我们已经将 99% 的无效请求进行了拦截，而这些漏网之鱼也不会对我们系统产生任何实质影响。
延伸问题：初始化后，对应商品被删怎么办？
最后还有一个延伸的小问题：假如布隆过滤器初始化后，对应商品被删除了，该怎么办呢？这是一个布隆过滤器的小难点。
因为布隆过滤器某一位的二进制数据，可能被多个编号的 Hash 位进行引用。比如说，布隆过滤器中 2 号位是 1，但是它可能被 3、5、100、1000 这 4 个商品编号同时引用。这里是不允许直接对布隆过滤器某一位进行删除的，否则数据就乱了，怎么办呢？
这里业内有两种常见的解决方案：

定时异步重建布隆过滤器。比如说我们每过 4 个小时在额外的一台服务器上，异步去执行一个任务调度，来重新生成布隆过滤器，替换掉已有的布隆过滤器。
计数布隆过滤器。在标准的布隆过滤器下，是无法得知当前某一位它是被哪些具体数据进行了引用，但是计数布隆过滤器它是在这一位上额外的附加的计数信息，表达出该位被几个数据进行了引用。（如果你对计数布隆过滤器有兴趣的话，可以查看Counting Bloom Filter 的原理和实现）

总结今天有关布隆过滤器的知识就学习到这里。
参考：拉勾教育《如何抗住亿级流量之布隆过滤器》