做简历用什么网站,俄罗斯搜索引擎浏览器官网入口,wampserver网站开发步骤,合同模板网文章目录概述本质优缺点优点#xff1a;缺点#xff1a;实际应用解决redis缓存穿透问题#xff1a;概述
本质
本质#xff1a;很长的二进制向量#xff08;数组#xff09; 主要作用#xff1a;判断一个数据在这个数组中是否存在#xff0c;如果不存在为0#xff0c…
文章目录概述本质优缺点优点缺点实际应用解决redis缓存穿透问题概述
本质
本质很长的二进制向量数组 主要作用判断一个数据在这个数组中是否存在如果不存在为0存在为1
实例将“你好”存入到布隆过滤器中——插入过程
“你好”先经过三个N哈希函数分别会计算三个哈希值将三个哈希值映射到数组中将对应下标位置改为1
查询过程我们可以根据下标到布隆过滤器中查询数据是否存在只有当三个下标查询的结果都为1的时候才能确认数据存在。只要有一个下标的二进制数据不是1就证明不存在。
注意布隆过滤器很难做删除操作。
删除数据
现状下标为2的位置存储了两个数据你好 hello在这种情况下我们就不知道下标为2的这个地方是你好还是hello。这是由于这些数据由于一系列的hash运算计算出来的哈希值是相同的哈希值相同导致根据哈希值计算出来的下标也是相同的。
这就会导致我们在想要删除你好的时候将下标为2的位置的数据由1改为0这时就将hello的数据也给删除掉了这样就会造成数据的误删除。
优缺点
优点
二进制数组组成的数据占用空间很小插入和查询的速度很快因为他是计算哈希值再由哈希值映射到数组下标中基于数组的特性他的查询和插入时非常快的。只需要根据算好的下标找对应的数据即可所以他的时间复杂度是O(N)保密性非常好他存储的数据都是0和1别人根本不知道0和1这两个数据代表的含义是什么并且它本事是不存储原始数据的。
缺点
很难做删除的操作容易出现误判本身不存在与集合中但是经过一系列的运算之后他判断这个数据是存在于这个集合当中。这是由于不同的数据计算出来的哈希值可能是相同的。
实际应用
代码实操
误判率是会影响误判的结果的并且误判率越低出现误判的结果越少但是也会造成运算的时间增长执行效率降低。 是否可以将误判率设置的无限小呢
误判率越小计算时间越长性能越差。需要根据自己的业务情况来进行设置
误判率的底层原理 误判率为0.03的情况
误判率为0.01的情况
误判率越低占用的空间越大使用的哈希函数个数越多
增加哈希函数的个数是为了降低出现哈希冲突的概率每个哈希函数的算法是不同的所以计算出来的结果也是不同的哈希函数越多计算出来的哈希值也越多他所对应的二进制数据也越多。所以就会降低误判的个数。
解决redis缓存穿透问题
问题描述前端需要查询一个数据但是redis中没有这个数据于是就会到数据库中查询就会导致前端请求直接打到数据库上导致数据库压力过大。
解决原理布隆过滤器的二进制数据是全局的,若数据库中存在数据,那么布隆过滤器就会在该数据请求过后标记数据的存在. 从而避免其他大量数据库不存在的数据请求
理解 布隆过滤器其实就是用来过滤无效请求例如一个查询商品详情的接口参数是 商品id如果有人恶意用循环请求参数是0,1,2,3这些垃圾数据每次都要穿透redis去请求DB就算缓存在redis了那时间也不会长。这个时候可以把id 放在布隆过滤器中先去判断传入的id 是否在布隆过滤器中存在就去继续后续流程如果不存在就认为是无效id 直接返回。
