牛哄哄的布隆过滤器，有什么用？日常开发中

日常开发中，大家经常使用缓存，但是你知道大型的互联网公司面对高并发流量，要注意缓存穿透问题吗?

文章图片
图片来自包图网
本文会介绍布隆过滤器，空间换时间，以较低的内存空间、高效解决这个问题。
性能不够，缓存来凑
现在的年轻人都喜欢网购，没事就逛逛淘宝，剁剁手，买些自己喜欢的东西，释放下工作压力。

文章图片
地址：
https://detail.tmall.com/item.htm?id=628993216729上图是一个天猫iPhone12的商品详情页， id表示商品的编号。
我们都知道淘宝的访问量是非常高的，为了提升系统的吞吐量，做了很多性能优化，其中非常重要一点是将信息异构到缓存中。
有句话说的好：性能不够，缓存来凑。但是，使用缓存时，我们要关注一个重要问题，如果缓存没有命中怎么办?

文章图片
缓存没有命中，怎么办?

文章图片
如上图：
我们先查询缓存，判断缓存中是否有数据如果有数据，直接返回如果缓存为空，我们需要再查一次数据库，并将数据格式异构化，然后预热到缓冲中，然后将结果返回注意：步骤③存在风险漏洞，如果缓存中数据不存在，压力会转嫁给数据库。假如被竞争对手利用，搞无效请求流量攻击，瞬间大量请求打到数据库中，对系统性能产生很大影响，很容易把数据库打挂，这种现象称为缓存穿透。
那么如何处理缓存穿透?
我们的思路是，缓存中能不能判断这个数据库值的存在性，如果真的不存在，直接返回，也避免一次数据库查询。
由于不存在是个无限边界，所以，我们采用反向策略，将存在的值建立一个高效的检索。每次缓存取值时，先走一次判空检索。
简单归纳下，这个框架的要求：
快速检索内存空间要非常小经调研，我们发现布隆过滤器具备以上两个条件。
什么是布隆过滤器?
布隆过滤器(BloomFilter)是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。
布隆过滤器可以用于检索一个元素是否在一个集合中：
优点：空间效率和查询时间都远远超过一般的算法。
缺点：有一定的误识别率，删除困难。
布隆过滤器如何构建?
布隆过滤器本质上是一个n位的二进制数组，用0和1表示。假如我们以商品为例，有三件商品，商品编码分别为， id1、id2、id3 。
①首先，对id1 ，进行三次哈希，并确定其在二进制数组中的位置。

文章图片
三次哈希，对应的二进制数组下标分别是2、5、8 ，将原始数据从0变为1 。
②对id2 ，进行三次哈希，并确定其在二进制数组中的位置。

文章图片
【牛哄哄的布隆过滤器，有什么用？】三次哈希，对应的二进制数组下标分别是2、7、98 ，将原始数据从0变为1 。
下标2 ，之前已经被操作设置成1 ，则本次认为是哈希冲突，不需要改动。
Hash规则：如果在Hash后，原始位它是0的话，将其从0变为1;如果本身这一位就是1的话，则保持不变。
布隆过滤器如何使用?