今天是七夕节，不知道大家过得是甜甜的还是水深火热的，已婚的老人不配过七夕节，只能默默的蹲在电脑前敲代码，写文档，这不，趁着公司下午放假的功夫，我也整理了一下Redis的布隆过滤器和锁的相关知识。在这里分享给大家，希望大家能够更好的学习。简单来说，对于互联网的发展，我们从单机到多机再到微服务。随着数据量的增加，数据库的压力也越来越大。这时候辛勤的程序员把数据分成了冷数据。和热点数据，然后将热点数据存储在缓存中，以提高查询效率，减轻数据库压力。然而，这是一个理想的环境。毕竟，网络并没有想象中那么平静。但是对于让安全部门感到头疼的人来说，当出现上面的场景：有大量不同的密钥获取后台数据时，该怎么办呢？这时候不得不吹捧一波老祖宗的智慧了。宁可杀三千，也绝不放过一个纯粹的idea，产生了一个神奇的Bloomfilter，那么一个Bloomfilter的执行流程是怎样的呢？继续往下看，Bloomfilter是一种用错误率来换取空间和时间的算法。错误率主要体现在：他说数据存在，那么不一定存在或者不存在。它一定不存在。代码只展示了一部分，因为完整展示的太多了，没办法/**\*判断集合中是否存在keywhere\*/publicbooleanisExist(Stringwhere,Stringkey){long\[\]索引=getIndexs(键);布尔结果；//这里使用Redis管道，减少过滤操作时访问Redis的次数，降低Redis管道的并发度pipeline=jedis.pipelined();try{for(longindex:indexes){pipeline.getbit(where,index);}结果=!pipeline.syncAndReturnAll().contains(false);}最后{pipeline.close();}//if(!result){//put(where,key);//}returnresult;}/\*\*\*在redis位图中存储key\*/privatevoidput(Stringwhere,Stringkey){long\[\]indexes=getIndexs(key);//这里使用Redispipeline安装，减少过滤操作时访问Redis的次数，降低Redis的并发度。流水线pipeline=jedis.pipelined();try{for(longindex:indexes){pipeline.setbit(where,index,true);}pipeline.sync();/\*\*\*将数据存入mysql\*/}finally{pipeline.close();}}/\*\*\*根据key从guava获取位图下标方法\*/publiclong\[\]getIndexs(Stringkey){longhash1=hash(key);longhash2=hash1>>>16;long\[\]result=newlong\[numHashFunctions\];for(inti=0;i
