单机版-Guava

引入guava依赖：

        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>31.0.1-jre</version>
        </dependency>

测试:

    @Test
    public void test2() {
        BloomFilter<Integer> filter = BloomFilter.create(Funnels.integerFunnel(), 100);

        System.out.println(filter.mightContain(1));
        System.out.println(filter.mightContain(2));

        filter.put(1);
        filter.put(2);

        System.out.println(filter.mightContain(1));
        System.out.println(filter.mightContain(2));
    }

此外BloomFilter.create方法还可以增加一个误判率的参数，实际guava底层的误判率是0.03

  public static <T extends @Nullable Object> BloomFilter<T> create(
      Funnel<? super T> funnel, long expectedInsertions) {
    return create(funnel, expectedInsertions, 0.03); // FYI, for 3%, we always get 5 hash functions
  }

Guava中的布隆过滤器只能单机使用，现在互联网公司一般都是分布式。

Redis版布隆过滤器

布隆过滤器解决缓存穿透的流程图如下:

引入redisson依赖：

        <dependency>
            <groupId>org.redisson</groupId>
            <artifactId>redisson</artifactId>
            <version>3.12.5</version>
        </dependency>

布隆过滤器的使用：

@SpringBootTest
class RedisApplicationTests {

    private static RedissonClient redissonClient;

    private static RBloomFilter<Object> bloomFilter;

    private static long size = 1000000;

    private static double fpp = 0.01;

    @BeforeAll
    public static void before() {
        Config config = new Config();
        config.useSingleServer().setAddress("redis://xxx.xxx.xxx.xxx").setDatabase(0).setPassword("xxxxxxxx");
        redissonClient = Redisson.create(config);
        bloomFilter = redissonClient.getBloomFilter("myBloomFilter", new StringCodec());
        bloomFilter.tryInit(size, fpp);
        bloomFilter.add("10000");
    }

    @Test
    void contextLoads() {
        Assertions.assertTrue(bloomFilter.contains("10000"));
        Assertions.assertFalse(bloomFilter.contains("10001"));
    }
}

运行结束后，redis中也会存在布隆过滤器的相关配置：

Docker安装RedisBloom

redis在4.0之后有了插件的功能（Module），可以使用外部的扩展功能，可以使用RedisBloom作为redis布隆过滤器插件。

此外也可以使用Docker安装RedisBloom。

docker run -p 6380:6379 -itd --name redis-redisbloom redislabs/rebloom:latest

执行命令：

docker exec -it redis-redisbloom redis-cli

127.0.0.1:6379> BF.ADD newFilter foo
(integer) 1
127.0.0.1:6379> BF.EXISTS newFilter foo
(integer) 1
127.0.0.1:6379> BF.EXISTS newFilter foo1
(integer) 0