布隆过滤器是一个很长的二进制数组 + 一系列随机hash算法映射函数，主要用于判断一个元素是否在集合中。能高效的插入和查询，占用空间少，返回的结果是不确定性的。**一个元素如果判断结果为存在的时候元素不一定存在，但是判断结果为不存在时则一定不存在。**布隆过滤器可以添加元素但是不能删除元素，因为删掉元素会导致误判率增加。误判只会发生在过滤器没有添加过的元素，对于添加过的元素不会发生误判。没错就是使用Redis的Bitmap数据类型。
在添加key时：使用多个hash函数对key进行hash运算得到一个整数索引值，对位数组长度进行取模运算得到一个位置，每个hash函数会得到一个不同的位置，将这几个位置都置1就完成了add操作。
查询key时：向布隆过滤器查询某个key是否存在时，先把这个key通过相同的多个hash函数进行运算，查看对应的位置是否都为1，只要有一个位置是0，则表明不存在，如果这几个位置都为1，则说明可能存在。（因为这些位置的1可能是其他的key导致的）
使用布隆过滤器时，最好不要让实际元素数量远大于初始化数量。
当实际元素数量超过初始化数量时，应该对布隆过滤器进行重建，重新分配一个size更大的过滤器，再将所有的历史元素批量add进行。
布隆过滤器是不能删除数据的，因为无法保证hash之后的位置没有别的key在使用（难免会出现hash冲突，多个key共用某些hash位置）。如果删除了，那么别的key也会受影响。这样会导致误判率增加。
1、主要是解决缓存穿透问题
把已存在的数据的key存在布隆过滤器中，相当于在redis前面挡了一层布隆过滤器。
当有新的请求时，先到布隆过滤器中查询是否已经存在；
如果布隆过滤器中不存在该数据则直接返回；
如果布隆过滤器中已存在，才去查询缓存redis，如果redis里没有查到则到MySQL数据库中查询。
2、黑名单校验
本文作者:whitebear
本文链接:
版权声明:本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！