在流量高峰期，會有大量的請求去查詢一個快取和資料庫中都沒有的資料，這時所有的請求就會到達資料庫裡去；當源源不斷地發起請求時，就會打垮資料庫。

這裡我們有一種解決方案就是使用布隆過濾器。下面是布隆過濾器的一個簡單介紹：

布隆過濾器（Bloom Filter）是1970年由布隆提出的。布隆過濾器是一種資料結構，利用極小的記憶體，可以判斷大量的資料。它告訴我們：“如果資料不存在，就肯定不存在”。

布隆過濾器原理

例如：

對“oracle”分別進行三次的hash函式計算，得到3個數值：1、4、5，於是就在對應的陣列的位置上標誌上1。

本文重在實踐，主要是解決布隆過濾器的程式碼實現。要詳細瞭解布隆過濾器的可以自行百度。

布隆過濾器的實現一般有兩種，一種是用谷歌公司提供的guava 工具包；一種是透過Redis底層的資料結構 bitmap 來實現布隆過濾器，客戶端工具Redisson已經封裝好對應的功能。

下面介紹這2種方式：

2、程式碼實現，具體的解釋看註釋好了

import com.google.common.hash.BloomFilter;import com.google.common.hash.Funnels;public class GuavaBloomFilter {    public static void main(String[] args) {        //後邊兩個引數：預計包含的資料量，和允許的誤差值        BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), 100000, 0.01);        for (int i = 0; i < 100000; i++) {            bloomFilter.put(i);        }        System.out.println(bloomFilter.mightContain(1));        System.out.println(bloomFilter.mightContain(2));        System.out.println(bloomFilter.mightContain(3));        System.out.println(bloomFilter.mightContain(100001));    }}

3、執行結果

truetruetruefalse

和實驗相符。

二、客戶端工具Redisson方式

Redisson實現的方式其實是用了redis來實現的。

1、redis安裝

關於redis的安裝

（1）可以用docker快速安裝單個例項

sudo docker run -p 36379:6379 --name redis5.0 -d redis:5.0 redis-server --appendonly yes

也可以用上次我說到的哨兵模式。

（2）在上篇中已向大家介紹了redis的哨兵方式及使用的方案。如需要看的可以跳轉到下面：

https://www.toutiao.com/i6913744392666841604/

2、程式碼實現：

在程式碼裡已經包括這2種方式，看原始碼即可。

（1）加入jar包

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

（2）實現方式

A、如果需要用單redis例項方式：

config.useSingleServer().setAddress("redis://192.168.197.24:36379");

B、如果用哨兵模式：

//指定使用哨兵部署方式        config.useSentinelServers()                //設定sentinel.conf配置裡的sentinel別名                //比如sentinel.conf裡配置為sentinel monitor mymaster 192.168.197.24 6379 2,那麼這裡就配置mymaster                .setMasterName("mymaster")                //這裡設定sentinel節點的服務IP和埠，sentinel是採用Paxos拜占庭協議，一般sentinel至少3個節點                //記住這裡不是配置redis節點的服務埠和IP，sentinel會自己把請求轉發給後面monitor的redis節點                .addSentinelAddress("redis://192.168.197.24:26379")                .addSentinelAddress("redis://192.168.197.24:26380")                .addSentinelAddress("redis://192.168.197.24:26381");

可看全部的程式碼如下：

import org.redisson.Redisson;import org.redisson.api.RBloomFilter;import org.redisson.api.RedissonClient;import org.redisson.config.Config;public class RedissonBloomFilter {    public static void main(String[] args) {        Config config = new Config();        //單redis例項方式//        config.useSingleServer().setAddress("redis://192.168.197.24:36379");        //指定使用哨兵部署方式        config.useSentinelServers()                //設定sentinel.conf配置裡的sentinel別名                //比如sentinel.conf裡配置為sentinel monitor mymaster 192.168.197.24 6379 2,那麼這裡就配置mymaster                .setMasterName("mymaster")                //這裡設定sentinel節點的服務IP和埠，sentinel是採用Paxos拜占庭協議，一般sentinel至少3個節點                //記住這裡不是配置redis節點的服務埠和IP，sentinel會自己把請求轉發給後面monitor的redis節點                .addSentinelAddress("redis://192.168.197.24:26379")                .addSentinelAddress("redis://192.168.197.24:26380")                .addSentinelAddress("redis://192.168.197.24:26381");        RedissonClient redisson = Redisson.create(config);        RBloomFilter<String> bloomFilter = redisson.getBloomFilter("user");        // 初始化布隆過濾器，預計統計元素數量為55000000，期望誤差率為0.03        bloomFilter.tryInit(55000000L, 0.03);        bloomFilter.add("yaokj");        bloomFilter.add("jamaly");        System.out.println(bloomFilter.count());   //2        System.out.println(bloomFilter.contains("yaokj"));  //true        System.out.println(bloomFilter.contains("xiaokua"));  //false        //最後關閉RedissonClient        redisson.shutdown();    }}

（3）執行結果三、原始碼

原始碼已開放，可以看連結：

https://gitee.com/yaokj/demo-toutiao