1. 概述
本文将介绍Guava库中的布隆过滤器实现。布隆过滤器是一种内存高效的概率型数据结构，用于快速判断某个元素是否存在于集合中。
✅ 核心特性：
- 无假阴性：当返回
false时，100%确定元素不在集合中 - 可能有假阳性：当返回
true时，元素大概率在集合中，但存在误判可能
想深入了解布隆过滤器原理？推荐阅读这篇教程
2. Maven依赖
使用Guava的布隆过滤器实现前，先添加依赖：
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>32.1.3-jre</version>
</dependency>
最新版本可在Maven中央仓库获取。
3. 为什么使用布隆过滤器？
布隆过滤器专为空间效率和速度设计，核心优势：
⚡ 核心优势：
- 可配置误判率：根据业务需求设定可接受的假阳性概率
- 内存友好：即使处理海量数据也能轻松放入内存
- 查询高效：时间复杂度接近O(1)
🔧 典型应用场景：
- 数据库（如Cassandra、Oracle）作为前置过滤器
- 缓存系统中的快速存在性检查
- 爬虫URL去重
- 防止缓存穿透
简单粗暴：当请求到达时，先用布隆过滤器快速判断。如果返回
false，直接拒绝请求；否则才进行后续操作。
4. 创建布隆过滤器
假设我们需要一个支持500个整数、误判率1%的布隆过滤器：
BloomFilter<Integer> filter = BloomFilter.create(
Funnels.integerFunnel(),
500,
0.01);
添加元素测试：
filter.put(1);
filter.put(2);
filter.put(3);
验证结果（实际插入3个元素，远低于预期500个）：
assertThat(filter.mightContain(1)).isTrue();
assertThat(filter.mightContain(2)).isTrue();
assertThat(filter.mightContain(3)).isTrue();
assertThat(filter.mightContain(100)).isFalse();
📊 结果解读：
mightContain()返回true时：99%概率元素存在，1%假阳性可能mightContain()返回false时：100%确定元素不存在
5. 超载布隆过滤器踩坑
⚠️ 关键警告：创建时必须准确预估元素数量！否则误判率会飙升。
看个反面例子：创建预期5个元素、误判率1%的过滤器，却插入了10万个元素：
BloomFilter<Integer> filter = BloomFilter.create(
Funnels.integerFunnel(),
5,
0.01);
IntStream.range(0, 100_000).forEach(filter::put);
结果惨不忍睹：
assertThat(filter.mightContain(1)).isTrue();
assertThat(filter.mightContain(2)).isTrue();
assertThat(filter.mightContain(3)).isTrue();
assertThat(filter.mightContain(1_000_000)).isTrue(); // 明显未插入的元素也返回true！
💥 问题根源：
- 预估元素数过小 → 分配内存不足
- 实际插入量远超预期 → 过滤器严重超载
- 误判率从1%飙升到几乎不可用
6. 总结
布隆过滤器是处理海量数据存在性检查的利器，但使用时需注意：
✅ 最佳实践：
- 准确预估元素数量
- 根据业务需求设定误判率
- 适合读多写少场景
- 作为前置过滤器使用
❌ 避免踩坑：
- 不要低估元素数量
- 不需要100%精确的场景慎用
- 不支持删除操作
完整示例代码见GitHub项目，可直接导入Maven项目运行。