Redis布隆过滤器详解

Redis 4.0 版本后引入了布隆过滤器（Bloom Filter）作为新功能。可以将其加载到Redis服务中，为Redis提供强大的去重功能。布隆过滤器是一种概率性数据结构，用于判断一个元素是否存在于一个集合中。相对于Set集合的去重功能，布隆过滤器在空间上节省了90%以上的空间，但存在约99%的去重率，这意味着大约有1%的误判率，这种误差是由布隆过滤器的结构决定的。布隆过滤器的优点是空间效率和查询时间都优于一般的算法，但缺点是存在一定的误识别率和删除困难。详细的原理可以参考作者的一篇《聊聊布隆过滤器（原理篇）》。

布隆过滤器的经典应用场景包括解决大流量下的缓存穿透问题、过滤被屏蔽、拉黑和减少推荐的信息，以及各种名单过滤。在数据量大的情况下，可以考虑使用布隆过滤器进行去重，避免大批量的重复计算。

其中一个经典应用场景是解决缓存穿透问题。什么是缓存穿透？当访问一个不存在的key时，缓存不起作用，请求会穿透到数据库，导致数据库挂掉。解决方案之一是在缓存之前加一层布隆过滤器，查询时先检查元素是否存在于布隆过滤器中，如果不存在，直接返回，存在则继续查询缓存，从而减轻数据库压力。

另一个应用场景是巨量查询，以火车票订购和查询为例。如果火车票被恶意攻击，模拟了一样结构的火车票订单编号，会通过大量的请求穿透缓存层，导致数据库雪崩。使用布隆过滤器可以为服务提供一层保障。具体做法是，在购买火车票成功时，将订单号的ID写入布隆过滤器中，保障后续的查询都在布隆过滤器中进行检查。创建布隆过滤器的语法为BF.RESERVE {key} {error_rate} {capacity} [EXPANSION {expansion}] [NONSCALING]，然后使用BF.ADD命令将订单号存储到布隆过滤器中。

在Golang中可以使用go-redis/redis库封装布隆过滤器功能。需要确保Redis服务器已安装RedisBloom模块，然后在Go代码中通过go-redis/redis库调用相关的RedisBloom命令。布隆过滤器不支持传统意义上的“删除”操作，因为一旦一个位被设置为1，就不能再被设置为0。最后，文章总结了布隆过滤器的几种实现场景，以及火车票订单信息查询为案例，说明了使用布隆过滤器如何避免缓存穿透，防止被恶意攻击。