- 前言
- 原理
- 应用场景
- 常用命令
在 Redis 相关的面试题中，经常会被问到如何解决缓存穿透的问题。
缓存穿透是指查询一个 Redis 中不存在的 key，导致每次查询都穿透 Redis，访问到数据库，造成数据库压力过大。比如一直查询 id 为 -1 的用户记录。
解决方案也很多，比如在接口层增加校验，Redis 中缓存空值，或者是使用布隆过滤器。
布隆过滤器可以过滤掉 Redis 中不存在的 key，但是没被布隆过滤器过滤掉的 key 也是有可能不存在 Redis 中，即有一定的误判率。
家人们，咱就是说，当布隆过滤器说某个值不存在时，那就肯定不存在，当布隆过滤器说某个值存在时，这个值有可能不存在。
每个布隆过滤器对应到 Redis 的数据结构里就是一个大型的位数组和几个不一样的无偏 hash 函数，如下图中的 f、g、h 就是这样的 hash 函数。所谓无偏就是能够把元素的 hash 值算的比较均匀，让元素被 hash 映射到位数组中的位置比较随机。
向布隆过滤器中添加 key 时，会使用多个 hash 函数对 key 进行 hash，算得一个整数索引值，然后对位数组长度进行取模运算得到一个位置，每个 hash 函数都会算得一个不同的位置，再把位数组的这几个位置都置为 1，就完成了 add 操作。
向布隆过滤器询问 key 是否存在时，跟 add 一样，也会把 hash 的几个位置都算出来，看看位数组中这几个位置是否都为 1，只要有一个位为 0，那么说明布隆过滤器中这个 key 不存在。如果这几个位置都是 1，并不能说明这个 key 就一定存在，而是极有可能存在，因为这些位被置为 1，可能是因为其他的 key 存在所致。如果这个位数组比较稀疏，判断正确的概率就会很大，如果这个位数组比较拥挤，判断正确的概率就会降低。
- 爬虫系统中，对 URL 进行去重，已经爬过的页面就不用爬了。
- 新闻客户端每次推荐新内容时，去掉已经看过的内容。
- 邮箱系统的垃圾邮件过滤。
-
bf.add、bf.exists
-
bf.madd、bf.mexists（批量操作命令）
127.0.0.1:6379> bf.add codehole user1 (integer) 1 127.0.0.1:6379> bf.add codehole user2 (integer) 1 127.0.0.1:6379> bf.add codehole user3 （integer) 1 127.0.0.1:6379> bf.exists codehole userl (integer) 1 127.0.0.1:6379> bf.exists codehole user2 （integer) 1 127.0.0.1:6379> bf.exists codehole user3 (integer) 1 127.0 . 0.1:6379> bf.exists codehole user4 (integer) 0 127.0.0.1:6379> bf.madd codehole user4 users user6 1) (integer) 1 2) (integer) 1 3) (integer) 1 127.0.0.1:6379> bf.mexists codehole user4 users user6 user7 1) （integer) 1 2) （integer) 1 3) （integer) 1 4) （integer) 0
