布隆过滤器

一、底层基础：Bitmap位图

Bitmap 本质是二进制位数组，数组每个位置仅存储 0 或 1，仅占用 1bit 空间，内存利用率极高。

0：对应下标位置无数据
1：对应下标位置已标记存在数据

二、元素存入规则

以存入 id=1 为例：

对同一个元素，通过多个不同哈希函数计算出多个位图下标；
将所有计算出的下标位置的值统一改为 1。一条数据会占用多个 bit 位，并非只占用单个位置。

三、元素查询规则

判断不存在：只要任意一个哈希对应下标为 0，数据一定不存在，结果百分百准确。
判断存在：所有哈希对应下标均为 1，数据大概率存在，存在误判可能。

误判原因

不同元素经过哈希计算后，下标发生碰撞，对应位置都被标记为 1。此时查询不存在的元素，也会判定为存在。核心特性：只会误判存在，绝不会误判不存在。

四、优缺点

优点

采用 bit 位存储，内存占用极小，可承载海量数据。
基于哈希与位运算实现，查询、写入速度极快。

缺点

无法直接删除数据：单个 bit 位会被多个元素共用，删除一个元素会影响其他数据标记。
存在小概率哈希碰撞，出现误判。

五、Redis 业务应用：解决缓存穿透

项目启动时，将数据库中所有合法数据 ID 预先加载到布隆过滤器。
接收用户请求携带 ID：
- 过滤器判定数据不存在，直接拦截请求，不再访问 Redis 和 MySQL。
- 过滤器判定数据存在，正常走查询流程：先查 Redis，缓存未命中再查询数据库。

六、两种落地实现方案

一、Guava 布隆过滤器（单机版）

1. 特点

本地内存实现，数据存储在 JVM 内存中，不依赖第三方中间件。
不支持集群共享，集群部署时各实例数据相互独立，无法保证一致性；项目重启后数据丢失。
适用场景：单体项目、数据量较小的业务。

2. 优点

开箱即用，依托 Guava 内置 API，无需额外部署组件。

二、Redisson 布隆过滤器（分布式版，生产主流）

1. 特点

基于 Redis Bitmap 实现，过滤器数据统一存储在 Redis，集群内所有服务实例共享同一份数据。
项目重启、多实例部署均不会丢失数据，完美适配微服务分布式架构。

2. 适用场景

分布式微服务项目，是线上防止缓存穿透的首选方案。

三、两者核心对比

方案	存储位置	分布式支持	优缺点
Guava	JVM本地内存	不支持集群	使用简单，集群环境下失效
Redisson	Redis位图	支持全服务共享	分布式标准实现，依赖Redis

四、业务选型

单体项目 → 选用 Guava 布隆过滤器
微服务/分布式项目 → 选用 Redisson 布隆过滤器

七、面试高频问题解析

问：简述布隆过滤器底层原理与查询特点？
答：底层基于 Bitmap 二进制位数组，通过多个哈希函数对元素计算下标并标记为1。查询时，只要有一个下标为0就判定数据不存在；全部为1则判定存在。该结构只会出现“误判存在”，不会误判不存在。
问：布隆过滤器为什么不能删除数据？
答：多个元素会共用同一个 bit 位，直接将位置置0，会导致其他正常数据被误删除，因此原生布隆过滤器不支持删除操作。
问：布隆过滤器在Redis场景下主要解决什么问题？
答：主要用来解决缓存穿透。将合法数据ID提前存入过滤器，非法请求直接拦截，避免大量空请求穿透到数据库，保护MySQL。
问：Guava和Redisson实现的布隆过滤器有什么区别，如何选型？
答： Guava是本地内存实现，仅适用于单体项目，集群无法共享数据；Redisson基于Redis实现，支持分布式集群。单体项目选Guava，微服务分布式项目优先使用Redisson。