場景題：假設有40億QQ號，但只有1G內存，如何實現判重？
當數據量比較大時，使用常規的方式來判重就不行了。例如，使用 MySQL 數據庫判重，或使用 List.contains() 或 Set.contains() 判重就不行了，因為數據量太大會導致內存放不下，或查詢速度太慢等問題。
1.空間占用量預測
正常情況下，如果將 40 億 QQ 號存儲在 Java 中的 int 類型的話，一個 int 占 4 字節（byte）那么 40 億占用空間大小為：
4000000000*4/1024/1024/1024=14.9 GB
1GB=1024MB，1MB=1024KB，1KB=1024B（byte）
所以，我們無法使用正常的手段進行 40 億 QQ 號的存儲和去重判斷，那怎么實現呢？
2.解決方案
此問題的常見解決方案有兩種：
- 使用位數組 BitMap 實現判重。
- 使用布隆過濾器實現判重。
具體來說。
（1）位數組實現判重
位數組是指使用位（bit）組成的數組，每個 QQ 號使用 1 位（bit）來存儲，如下圖所示：
其中下標用來標識具體的數字，例如以上圖片標識 1、3 數字存在，如果值為 0 表示不存在，這樣的話 40 億占用的位數組空間位 40 億 bit，也就是 4000000000/1024/1024/1024/8=0.465 GB，不到 1G 的內存就可以存儲 40 億 QQ 號了，查詢某個 QQ 號是否在線，只需要看這個 QQ 下標對應的位置是否為 1，1 表示存在，0 表示不存在。
位數組代碼實現
位數組可以使用 Java 自帶的 BitSet 來實現，它位于 java.util 包中，具體實現代碼如下：
import java.util.BitSet;
public class BitmapExample {
public static void main(String[] args) {
// 創建一個BitSet實例
BitSet bitmap = new BitSet();
// 設置第5個位置為1，表示第5個元素存在
bitmap.set(5);
// 檢查第5個位置是否已設置
boolean exists = bitmap.get(5);
System.out.println("Element exists: " + exists); // 輸出: Element exists: true
// 設置從索引10到20的所有位置為1
bitmap.set(10, 21); // 參數是包含起始點和不包含終點的區間
// 計算bitset中所有值為1的位的數量，相當于計算設置了的元素個數
int count = bitmap.cardinality();
System.out.println("Number of set bits: " + count);
// 清除第5個位置
bitmap.clear(5);
// 判斷位圖是否為空
boolean isEmpty = bitmap.isEmpty();
System.out.println("Is the bitset empty? " + isEmpty);
}
}（2）布隆過器實現
布隆過濾器是基于位數組實現的，它是一種高效的數據結構，由布隆在 1970 年提出。它主要用于判斷一個元素可能是否存在于集合中，其核心特性包括高效的插入和查詢操作，但存在一定的假陽性（False Positives）可能性。
布隆過濾器實現如下圖所示：
根據 key 值計算出它的存儲位置，然后將此位置標識全部標識為 1（未存放數據的位置全部為 0），查詢時也是查詢對應的位置是否全部為 1，如果全部為 1，則說明數據是可能存在的，否則一定不存在。
布隆過器特性：如果布隆過濾器說一個元素不在集合中，那么它一定不在這個集合中；但如果它說一個元素在集合中，則有可能是不存在的（存在誤差，假陽性）。
布隆過器代碼實現
布隆過濾器的常見實現有以下幾種方式：
使用 Google Guava BloomFilter 實現布隆過濾器，具體實現代碼如下：
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
public class BloomFilterExample {
public static void main(String[] args) {
// 創建一個布隆過濾器，設置期望插入的數據量為10000，期望的誤判率為0.01
BloomFilter<String> bloomFilter =
BloomFilter.create(Funnels.unencodedCharsFunnel(), 10000, 0.01);
// 向布隆過濾器中插入數據
bloomFilter.put("data1");
bloomFilter.put("data2");
bloomFilter.put("data3");
// 查詢元素是否存在于布隆過濾器中
System.out.println(bloomFilter.mightContain("data1")); // true
System.out.println(bloomFilter.mightContain("data4")); // false
}
}使用 Hutool 框架 BitMapBloomFilter 實現布隆過濾器，如下代碼所示：
// 初始化
BitMapBloomFilter filter = new BitMapBloomFilter(10);
// 存放數據
filter.add("123");
filter.add("abc");
filter.add("ddd");
// 查找
filter.contains("abc");使用 Redisson 框架中的 RBloomFilter 實現布隆過濾器，如下代碼所示：
Config config = new Config();
config.useSingleServer().setAddress("redis://127.0.0.1:6379");
RedissonClient redissonClient = Redisson.create(config);
// 創建布隆過濾器，設置名稱和期望容量與誤報率
RBloomFilter<String> bloomFilter =
redissonClient.getBloomFilter("myBloomFilter");
bloomFilter.tryInit(10000, 0.03); // 期望容量 10000，誤報率 3%
// 添加元素到布隆過濾器
String element1 = "element1";
bloomFilter.add(element1);
// 判斷元素是否存在
boolean mightExist = bloomFilter.contains(element1);
System.out.println("元素 " + element1 + " 可能存在: " + mightExist);
String element2 = "element2";
boolean mightExist2 = bloomFilter.contains(element2);
System.out.println("元素 " + element2 + " 可能存在: " + mightExist2);其中 Google Guava BloomFilter 和 Hutool 框架 BitMapBloomFilter 為單機版的布隆過濾器實現，不適用分布式環境。分布式環境要使用 Redisson 框架中的 RBloomFilter 來實現布隆過濾器，因為它的數據是保存在 Redis 中間件的，而中間件天生支持分布式系統。
小結
位數組和布隆過濾器的區別如下：
- 位數組：沒有誤判，但空間利用率低。
- 布隆過濾器：空間利用率高，但存在對已經存在的數據的誤判（不存在的數據沒有誤判）。
因此，如果對精準度要求高可以使用位數組；如果對空間要求苛刻，可以考慮布隆過濾器。
