名稱
問題解決方法
快取穿透
查詢了乙個不存在的資料
布隆過濾器
快取擊穿
某個key的快取失效
互斥鎖快取雪崩
多個key的快取同時失效
失效時間+隨機時間
底層是乙個bit二進位制向量或叫 bit 陣列，bit 裡存放的資料非0即1。
通過雜湊函式將元素對映到bit的相應位置，並將此位置置為1。如hash（元素) = 2：
當要查詢某個元素是否存在時，先通過雜湊函式將元素進行對映，得到在bit的位置，再判斷bit的此位置是0或1，若為0，則此元素一定不存在，若為1，則此元素不一定真的存在（是否還記得大明湖畔的經典名句：hash值相等，不一定是同乙個物件；同乙個物件,hash值一定相等）。
確缺點解釋
解決誤判
得到某個元素在bit的位置後，判斷時發現此位置是1，但其實此元素並不存在
單獨儲存可能會誤判的元素
錯刪兩個或以上的元素對映到bit的位置相同，要刪除某個時，將1置為0，導致其他元素也完蛋了
counting bloom filter
spark 布隆過濾器 bloomFilter
資料過濾在很多場景都會應用到，特別是在大資料環境下。在資料量很大的場景實現過濾或者全域性去重，需要儲存的資料量和計算代價是非常龐大的。很多小夥伴第一念頭肯定會想到布隆過濾器，有一定的精度損失，但是儲存效能和計算效能可以達到幾何級別的提公升。很多第三方框架也實現了相應的功能，比如hbase框架實現的布...
布隆過濾器
布隆過濾器 bloom filter 是1970年由布隆提出的。它實際上是乙個很長的二進位制向量和一系列隨機對映函式。布隆過濾器可以用於檢索乙個元素是否在乙個集合中。它的優點是空間效率和查詢時間都遠遠超過一般的演算法，缺點是有一定的誤識別率和刪除困難。如果想要判斷乙個元素是不是在乙個集合裡，一般想到...
布隆過濾器
布隆過濾器的概念 如果想要判斷乙個元素是不是在乙個集合裡，一般想到的是將所有元素儲存起來，然後通過比較確定。鍊錶，樹等等資料結構都是這種思路.但是隨著集合中元素的增加，我們需要的儲存空間越來越大，檢索速度也越來越慢 o n o logn 不過世界上還有一種叫作雜湊表 又叫 雜湊表，hash tabl...