Bitmap 和 布隆过滤器傻傻分不清？你这不应该啊
大家好，我是小富～
有个兄弟私下跟我说，他在面试狗东时，有一道面试题没回答上来：Redis 的
Bitmap
和
布隆过滤器
啥区别与关系？
其实就是考小老弟对这两种工具的底层数据结构是否了解，不算太难的题。不过，bitmap和布隆过滤器在大数据量和高并发业务的使用频率不低，知识点应该掌握下，既然问了那咱们简单的梳理下它们的底层原理、应用场景以及它们之间的关联。
Bitmap
Redis中的Bitmap（位图）是一种较为特殊数据类型，它以最小单位
bit
来存储数据，我们知道一个字节由 8个 bit 组成，和传统数据结构用字节存储相比，这使得它在处理大量二值状态（true、false 或 0、1等只有两种状态）数据时具有极高的空间效率。不过，它不是一种全新的数据类型，其底层实现仍是基于
String
类型。
便于理解，你可以将 Bitmap 的底层结构看成是由一系列 bit 位组成的数组，在此数组中，每个位都对应一个偏移量（类似数组的下标）。通过将特定偏移量上的位值设置为 0 或 1，来表示不同的状态。
比如我们要设计一个答题游戏系统。其规则为：若用户答对全部 7 道题，则可获得大奖。
每个答题用户都有自己的 key，即
answer:user:X
。使用 bitmap 记录用户的答题情况，将题号设置为对应偏移量，当用户答对 ✅ 题目时 ，偏移量位值设为 1；当用户答错 ❌ 题目时，位值设为 0。
假如用户
user:1
答对了 2、5、7 号题，可将对应偏移量为 2、5、7 的位值设置为 1，其余位值默认设为 0。若要查看该用户对某个题目的回答情况，只需按照偏移量遍历此数据结构，一旦碰到位值为 1 的情况，即表示该题回答正确。
答题活动结束后，接下来需要统计获奖者，即那些全部答对 7 道题的用户。
要快速统计用户是否全部答对题目，可以使用
BITCOUNT
命令来统计位值中被设置为 1 的数量。通过执行
BITCOUNT answer:userX == 7
这样的操作进行判断，若结果等于 7，则表明该用户全部答对了题目。
聪明的你或许会产生疑惑，如果想用 bitmap 判断邮箱地址是否在黑名单内，偏移量该如何设置呢？遗憾的是，bitmap 并不支持直接以字符串作为偏移量。不过，我们可以对邮箱进行哈希运算得到哈希值，进而算出偏移量。
由于用到哈希运算，就不可避免地会出现数据碰撞问题，即不同的字符串可能得出相同的哈希值。这样一来，状态判断就可能不准确。别急，后边介绍布隆过滤器（
Bloom Filter
）看它如何来优化这个问题。
操作命令
Bitmap 的操作命令不多且使用简单，主要用到的就是
SETBIT
、
GETBIT
、
BITCOUNT
、
BITOP
几个命令。
SETBIT
：用于设置指定偏移量上的位值，其时间复杂度为 O (1)。例如，当用户答对了第 7 题时，可以将题号对应的偏移量为 7 的位值设置为 1，以此表示该题已被答对。
# 用户key answer:user:1
# 偏移量：题号 7
# 题答对，置为 1
SETBIT answer:user:1 7 1
GETBIT
：获取指定偏移量上的位值，同样具有高效的时间复杂度。可以快速查询用户对特定题号的回答状态。
# 查询用户第 7 题的回答情况，1-答对 0-答错
GETBIT answer:user:1 7
BITCOUNT
：用于统计位值中被设置为 1 的数量。比如上边我可以很容易统计答对全部题目的用户，但也仅能知道个数，无法查看具体的哪个题目。
# 统计用户答对题为 1 的个数
BITCOUNT answer:user:1
BITOP
：对一个或多个 bitmap 进行位运算，并将结果保存到新的键中，支持 AND、OR、NOT、XOR 四种操作。这个命令的用法是将多个bitmap中相同偏移量的位值进行运算。若我想知道用户 1 和用户 2 都答对的题目，经过 AND 运算后，假如只有题号 1 是两个用户都答对的题目，那么生成新的结果集中就只有题号 1 对应的位值为 1。
# 用户1 和 用户2 都答对的题目，可以看出只有题号1的都答对了
SETBIT answer:user:1 1 1
SETBIT answer:user:1 2 0
SETBIT answer:user:1 3 1
SETBIT answer:user:2 1 1
SETBIT answer:user:2 2 1
SETBIT answer:user:2 3 0
BITOP AND resultbitmap answer:user:1 answer:user:2
扬长避短
优点
极高空间效率：bitmap 是真的节省数据存储空间。粗略的算一下，一亿位的 Bitmap 大概才占 12MB 的内存，相比其他数据结构，能极大地节省存储空间；
快速查询：位操作通常比其他数据结构查询速度更快。无论是设置位值还是获取位值，时间复杂度都为 O (1)，能够快速响应查询请求；
易于操作：支持单个位操作、位统计、位逻辑运算等，运算效率高，不需要进行比较和移位；
缺点
由于数据结构特点，导致它仅适用于表示两种状态，即 0 和 1。对于需要表示更多状态的情况，Bitmap 就不适用了；
只有当数据比较密集时才有优势，如果我们只设置（20，30，888888888）三个偏移量的位值，则需要创建一个 99999999 长度的 BitMap ，但是实际上只存了3个数据，这时候就有很大的空间浪费，碰到这种问题的话，可以通过引入另一个
Roaring BitMap
来解决
；
应用场景
看到 Bitmap 还是比较简单的一种数据结构，占用空间小查询效率高，非常适用于记录状态的场景，它的应用场景很常见，比如：
用户签到状态（连续签到天数）
用户的在线状态（统计活跃用户）
问卷答题等等吧！
布隆过滤器
上边咱们提到 bitmap 记录字符元素的状态时，需要先借助哈希运算得出偏移量。但引入哈希运算后可能会出现哈希碰撞的情况，导致状态误判。
布隆过滤器对这个问题做了进一步的优化，做到了可控误判率，当我们将一个邮箱地址添加到集合中，多个不同的哈希函数会将这个邮箱地址映射到 bitmap 中的不同偏移量位置上，且将这些位值置为 1。
要判断邮箱地址是否在集合中，通过相同的哈希函数映射到 bitmap 上的多个位置，
如果这些位上的值都为 1，则邮箱
可能存在
集合中；如果有任何一个位置的值为 0，则元素
一定不在
集合中
。这是布隆过滤器的特点。
虽然但是布隆过滤器还是会发生误判的情况，额～，但好在我们可以通过
调整布隆过滤器的大小和哈希函数的数量来控制误判率
。
操作命令
布隆过滤器的命令也不多，主要用到的如下几个：
BF.RESERVE
：创建一个新的布隆过滤器，并指定容量 capacity 和误判率 error_rate。
BF.RESERVE <key> <error_rate> <capacity>
BF.RESERVE myfilter 0.000001 999999
BF.INFO
：获取布隆过滤器的信息，包括容量、误判率等。
BF.INFO <key>
BF.ADD
和
BF.MADD
：分别是向布隆过滤器中添加元素和批量添加
# 向布隆过滤器中添加元素
BF.ADD myfilter hello
BF.MADD <key> <item> [item ...]
BF.EXISTS
和
BF.MEXISTS
：分别是检查布隆过滤器中某个元素和批量检查元素是否存在
# 元素是否存在于布隆过滤器中
BF.EXISTS myfilter hello
# 元素是否存在于布隆过滤器中
BF.MEXISTS <key> <item> [item ...]
扬长避短
优点
布隆过滤器的空间占用也是极小，它本身不存储完整的数据，和 bitmap 一样底层也是通过 bit 位来表示数据是否存在。
性能比较稳定，无论集合中元素的数量有多少，插入和查询操作的时间复杂度都非常低，通常为 O (k)，其中 k 是哈希函数的个数。也就是说在处理大规模数据时，布隆过滤器的性能不会随着数据量的增加而急剧下降。
缺点
存在一定的误识别率：布隆过滤器存在误判的情况，即当一个元素实际上不在集合中时，有可能被判断为在集合中。这是因为多个元素可能通过哈希函数映射到相同的位置，导致误判。但是，当布隆过滤器判断一个元素不在集合中时，则是 100% 正确的。
删除元素比较困难：一般情况下，不能直接从布隆过滤器中删除元素。这是因为一个位置可能被多个元素映射到，如果直接将该位置的值置为 0，可能会影响其他元素的判断。
应用场景
布隆过滤器存在一定的误判，所以使用它的场景就一定要允许不准确的情况发生：
解决 Redis 缓存穿透问题：秒杀商品详情通常会被缓存到 Redis 中。如果有大量恶意请求查询不存在的商品，通过布隆过滤器可以快速判断这些商品不存在，从而避免了对数据库的查询，减轻了数据库的压力。
邮箱黑名单过滤：在邮件系统中，可以使用布隆过滤器来过滤垃圾邮件和恶意邮件。将已知的垃圾邮件发送者的地址或特征存储在布隆过滤器中，新邮件来时判断发送者是否在黑名单中。
对爬虫网址进行过滤：在爬虫程序中，为了避免重复抓取相同的网址，可以使用布隆过滤器来记录已经抓取过的网址。新网址出现时，先判断是否已抓取过。
太多太多了.....
总结
一起梳理了 bitmap 和 布隆过滤器的原理、用法以及它们各自的优缺点和应用场景，大环境不好更要多多提升自身技术能力，而且现在面试三句不离大数据量和高并发，此类问题想要应对自如，不仅要有深度还要有广度，掌握这两个知识点多提供一种答案也是好的。写的不好大家对付看吧！