点击上方“朱小厮的博客”，选择“设为星标” 后台回复"书"，获取 后台回复“k8s”，可领取k8s资料 大家都知道,在计算机中,IO一直是一个瓶颈,很多框架以及技术甚至硬件都是为了降低IO操作而生,今天聊一聊过滤器,先说一个场景: 我们业务后端涉及数据库,当请求消息查询某些信息时,可能先检查缓存中是否有相关信息,有的话返回,如果没有的话可能就要去数据库里面查询,这时候有一个问题,如果很多请求是在

文章目录 布隆过滤器模拟实现 布隆过滤器 我们在上一篇中主要说的是位图，是用于判断整形是否存在的一种应用，但是他不好的地方就是只能判断整形了，如果是字符串的话就难再应用了 在之前哈希表中，我们使用了一些哈希函数来将字符串转化成整形，再存入哈希表 这里我们是否可以使用同样的方法呢 其实我们讲，可以但是还不够，因为相似的字符串很容易就会产生哈希冲突，本质上来说还是因为字符串

1. 布隆过滤器的引入 有这样一个题：判断一个元素是不是在其指定集合中？ 我们一般的操作是将该集合先保存起来，再拿着指定元素与保存起来的集合中元素一一比较从而判断它是否存在。可是随着集合中元素的增加，我们需要的存储空间越来越大，检索的速度也越来越慢，这时我们想到了哈希表这种数据结构。哈希表通过一个哈希函数将一个元素映射成位阵列（Bit Array）中的一个点，这样我们只要查看该元素对应的点是否

布隆过滤器可以快速判断数据是否存在，避免从数据库中查询数据是否存在，减轻数据库的压力 布隆过滤器是由一个初值为0的bit数组和N个哈希函数，可以用来快速的判断某个数据是否存在 当我们想要标记某个数据是否存在时，布隆过滤器会通过三个操作完成标记： 首先，使用N个哈希函数，分别计算这个数据的哈希值，得到N个哈希值然后，我们把这N个哈希值对bit数组的长度取模，得到每个哈希值在数组中的对应位置最后，

目录 1、redis之布隆过滤 2、布隆过滤器原理 3、布隆过滤器使用步骤 初始化bitmap 添加占坑位 判断是否存在圜 1、redis之布隆过滤 布隆过滤：有一个初值都为0的bit数组和多个哈希函数构成，用来快速判断集合中是否存在某个元素。目的：减少内存使用。使用方式：不保存数据信息，只是在内存中做一个是否存在的标记flag 应用场景：布隆过滤器常用于需要快速判断

一、Redis现网常见问题解决 1.1、缓存穿透——常见于不规范的key 概念：访问一个不存在的key，缓存不起作用，请求会穿透到DB，流量大时DB会挂掉。 解决方案： 采用布隆过滤器（Bloom Filter，Redis自带），使用一个足够大的bitmap，用于存储可能访问的key，不存在的key直接被过滤；（推荐）或者访问key未在DB查询到值，也将空值写进缓存，但可以设置较短过期时间