qq可以做公司免费网站,网页微信授权登录,千龙网站建设,wordpress 文件服务目录
1、布隆过滤器是什么
2、布隆过滤器的优缺点
3、使用场景
4、⭐基于Redis的布隆过滤器插件安装
4.1 下载布隆过滤器
4.2 创建文件夹并上传文件
4.3 安装gcc
4.4 解压RedisBloom压缩包
4.5 在解压好的文件夹下输入make
4.6 将编译的好的插件拷贝到docker redis容…目录
1、布隆过滤器是什么
2、布隆过滤器的优缺点
3、使用场景
4、⭐基于Redis的布隆过滤器插件安装
4.1 下载布隆过滤器
4.2 创建文件夹并上传文件
4.3 安装gcc
4.4 解压RedisBloom压缩包
4.5 在解压好的文件夹下输入make
4.6 将编译的好的插件拷贝到docker redis容器中
4.7 修改配置文件并重启Redis
4.8 查看操作日志
4.9 进入redis客户端查看测试
4.10 常用命令
小结 1、布隆过滤器是什么
布隆过滤器Bloom Filter是一种空间效率非常高的随机数据结构用于判断一个元素是否在一个集合中。与传统的哈希表或者二叉搜索树等数据结构不同布隆过滤器可以在空间和时间上做出很多妥协从而实现高效的查询和插入操作。
布隆过滤器的核心思想是使用多个哈希函数来将元素映射到位数组中的多个位置上。当一个元素被加入到布隆过滤器中时它会被多次哈希并将对应的位数组位置设置为1。当需要判断一个元素是否在布隆过滤器中时我们只需将该元素进行多次哈希并检查对应的位数组位置是否都为1如果其中有任意一位为0则说明该元素不在集合中如果所有位都为1则说明该元素可能在集合中因为有可能存在哈希冲突需要进一步检查。
示例图 图片来源https://baijiahao.baidu.com/s?id1760676476679974031wfrspiderforpc 2、布隆过滤器的优缺点
布隆过滤器是一种概率型数据结构用于快速判断一个元素是否存在于一个集合中。它具有以下优点和缺点
优点
高效的查询速度布隆过滤器的查询时间复杂度是O(1)即使在大规模数据集中也能快速判断一个元素是否存在。空间效率高相比于其他数据结构布隆过滤器所需的空间通常较小。它利用位数组和哈希函数来表示元素的存在状态因此占用的内存相对较少。支持高并发场景由于布隆过滤器的查询操作是无锁的并且不需要访问磁盘或网络因此适用于高并发的场景。
缺点
可能出现误判布隆过滤器存在一定的误判率即可能将不存在的元素误判为存在。这是由于哈希函数的冲突和位数组的碰撞造成的。误判率随着数据量的增加而增加可以通过调整哈希函数个数和位数组大小来降低误判率但不能完全消除。不支持删除操作布隆过滤器设计初衷是用于判断元素是否存在而不支持删除操作。一旦一个元素被添加到布隆过滤器中就无法从布隆过滤器中删除。如果需要删除元素需要使用其他数据结构辅助操作。对内存敏感布隆过滤器对内存的使用非常敏感。为了降低误判率需要增加位数组的大小和哈希函数的个数这会增加内存的消耗。在内存资源有限的情况下需要权衡空间和误判率。
综上所述布隆过滤器适用于对查询速度要求高、对误判率可以容忍的场景但需要注意其不支持删除操作和对内存敏感的特点。在实际应用中需要根据具体需求和数据规模来选择是否使用布隆过滤器。 3、使用场景
常见的使用场景包括 网页黑名单过滤将恶意网站的 URL 存储到布隆过滤器中当用户访问时可以快速判断该网站是否为恶意网站从而进行拦截或提示。 垃圾邮件过滤将已知的垃圾邮件的特征如发件人、主题、内容等存储到布隆过滤器中当新邮件到来时可以快速判断是否为垃圾邮件从而进行过滤。 ⭐缓存穿透问题解决当缓存中不存在某个键值对时可以先通过布隆过滤器判断该键是否存在如果不存在则直接返回空值避免了对数据库等后端存储的不必要查询从而提高了系统的性能。 图片来源Redis6-雪崩、击穿、穿透、分布式锁 - 知乎 图片来源什么是布隆过滤器 - 知乎
需要注意的是布隆过滤器的误判率是无法避免的因此在使用时需要根据具体场景进行权衡和调整。 4、⭐基于Redis的布隆过滤器插件安装
4.1 下载布隆过滤器
首先需要安装完成Redis安装过程略然后布隆过滤器便可以作为一个插件加载到Redis服务器直接使用。
Linux版本https://github.com/RedisBloom/RedisBloom/archive/v2.2.4.tar.gz
4.2 创建文件夹并上传文件 4.3 安装gcc 4.4 解压RedisBloom压缩包 4.5 在解压好的文件夹下输入make 4.6 将编译的好的插件拷贝到docker redis容器中 4.7 修改配置文件并重启Redis 43 # loadmodule /path/to/my_module.so 44 # loadmodule /path/to/other_module.so 45 46 loadmodule /usr/local/etc/redis/redisbloom.so 4.8 查看操作日志 4.9 进入redis客户端查看测试 4.10 常用命令 bf.add添加元素bf.madd批量添加元素bf.exists检索元素是否存在bf.mexists检索多个元素是否存在bf.reserve自定义布隆过滤器设置keyerror_rate和initial_size 小结
由于布隆过滤器不需要存储元素本身而只需要存储元素的哈希值因此它的空间效率非常高。同时由于布隆过滤器使用多个哈希函数来减少哈希冲突的概率因此它的查询效率也比较高。但是布隆过滤器存在一定的误判率即有可能将不在集合中的元素误判为在集合中这是由于哈希冲突和位数组大小等因素造成的。因此在使用布隆过滤器时需要根据具体情况来选择合适的哈希函数个数和位数组大小以控制误判率。 参考
硬核Redis 布隆Bloom Filter过滤器原理与实战
布隆过滤器 Bloom Filter - 知乎
什么是布隆过滤器 - 知乎
Redis6-雪崩、击穿、穿透、分布式锁 - 知乎 感谢阅读码字不易多谢点赞如有不当之处欢迎反馈指出感谢
