布隆过滤器bloomfilter浅析
如果一个新闻客户端，不断的给用户推荐新闻，推荐需要去重并且还要高效。redis中的hyperloglogs可以实现实时推送并快速去重，但是每个用户都应该有个记录，时间一长数据量就会非常的大，如果用户量也很大，这个时候就可以使用布隆过滤器bloomfilter。
bloomfilter本身是一个二进制的向量，存放的就是0，1。利用位数的0或者1，代表是否存在。
布隆过滤器的特点
精度是取决于bloom的存储大小的的，如果长度越大，精度就越高
只能判断数据是否一定不存在，而无法判断数据是否一定存在
bloom的存储节点不能删除，一旦删除就影响其他节点数据的特征了
布隆过滤器存储的节点数据一定是历史数据
Redis官方提供的布隆过滤器支持的是到了Redis4.x以后提供的插件功能
在redis客户端，可以不断添加到同一个key： bf.madd users value1 value2；
布隆过滤器的使用总结
布隆过滤器如果初始值过大会占用较大空间，过小会误差率高，使用前估计好元素数量
error_rate越小，占用空间就越大
只能判断数据是否一定不存在，而无法判断数据是否一定存在
可以节省90%的存储空间
但匹配精度会有一点不准确（涉及空间和时间的转换：0.01%）
布隆过滤器只能add和exists不能delete
以上是 布隆过滤器bloomfilter浅析 的全部内容， 来源链接： utcz.com/z/516761.html
