是 0.01，capacity是 100。
布隆过滤器的 error_rate 越小，需要的存储空间就越大，对于不需要过于精确的场景，error_rate 设置稍大一点也可以。
布隆过滤器的 capacity 设置的过大，会浪费存储空间，设置的过小，就会影响准确率，所以在使用之前一定要尽可能地精确估计好元素数量，还需要加上一定的冗余空间以避免实际元素可能会意外高出设置值很多。
的布隆过滤器添加 10086 这个元素。
如果是多个元素同时添加，则使用 BF.MADD key item ...，如下：
BF.MADD orders 10087 10089
1) (判断一个元素是否存在于BloomFilter，返回值 = 1 表示存在。
如果需要批量检查多个元素是否存在于布隆过滤器则使用 BF.MEXISTS，返回值是一个数组：
1：存在；
0：不存在。
# BF.MEXISTS key item
BF.MEXISTS orders 100 10089
1) (integer) 0
2) (integer) 1
总体说，我们通过BF.RESERVE、BF.ADD、BF.EXISTS三个指令就能实现避免缓存穿透问题。
码哥，如何查看创建的布隆过滤器信息呢？
用 BF.INFO key查看，如下：
BF.INFO orders
 1) Capacity
 2) (integer) 10000000
 3) Size
 4) (integer) 7794184
 5) Number of filters
 6) (integer) 1
 7) Number of items inserted
 8) (integer) 3
 9) Expansion rate
10) (integer) 2
返回值：
Capacity：预设容量；
Size：实际占用情况，但如何计算待进一步确认；
Number of filters：过滤器层数；
Number of items inserted：已经实际插入的元素数量；
Expansion rate：子过滤器扩容系数（默认 2）；
码哥，如何删除布隆过滤器呢？
目前布隆过滤器不支持删除，布谷过滤器Cuckoo Filter是支持删除的。
Bloom 过滤器在插入项目时通常表现出更好的性能和可伸缩性（因此，如果您经常向数据集添加项目，那么 Bloom 过滤器可能是理想的）。布谷鸟过滤器在检查操作上更快，也允许删除。
大家有兴趣可可以看下：https://oss.redis.com/redisbloom/Cuckoo_Commands/)
码哥，我想知道你是如何掌握这么多技术呢？
其实我也是翻阅官方文档并做一些简单加工而已，这篇的文章内容实战就是基于 Redis 官方文档上面的例子：https://oss.redis.com/redisbloom/。
大家遇到问题一定要耐心的从官方文档寻找答案，培养自己的阅读和定位问题的能力。
Redission 布隆过滤器实战
码哥的样例代码基于 Spring Boot 2.1.4，代码地址：https://github.com/MageByte-Zero/springboot-parent-pom。
添加 Redission 依赖：
<dependency>
  <groupId>org.redisson</groupId>
  <artifactId>redisson-spring-boot-starter</artifactId>
  <version>3.16.7</version>
</dependency>
使用 Spring boot 默认的 Redis 配置方式配置 Redission：
spring:
  application:
    name: redission

  redis:
    host: 127.0.0.1
    port: 6379
    ssl: false
创建布隆过滤器
@Service
public class BloomFilterService 

    @Autowired
    private RedissonClient redissonClient;

    /**
     * 创建布隆过滤器
     * @param filterName 过滤器名称
     * @param expectedInsertions 预测插入数量
     * @param falseProbability 误判率
     * @param <T>
     * @return
     */
    public <T> RBloomFilter<T> create(String filterName, long expectedInsertions, double falseProbability) 
        RBloomFilter<T> bloomFilter = redissonClient.getBloomFilter(filterName);
        bloomFilter.tryInit(expectedInsertions, falseProbability);
        return bloomFilter;
    


单元测试
@Slf4j
@RunWith(SpringRunner.class)
@SpringBootTest(classes = RedissionApplication.class)
public class BloomFilterTest 

    @Autowired
    private BloomFilterService bloomFilterService;

    @Test
    public void testBloomFilter() 
        // 预期插入数量
        long expectedInsertions = 10000L;
        // 错误比率
        double falseProbability = 0.01;
        RBloomFilter<Long> bloomFilter = bloomFilterService.create("ipBlackList", expectedInsertions, falseProbability);

        // 布隆过滤器增加元素
        for (long i = 0; i < expectedInsertions; i++) 
            bloomFilter.add(i);
        
        long elementCount = bloomFilter.count();
        log.info("elementCount = .", elementCount);

        // 统计误判次数
        int count = 0;
        for (long i = expectedInsertions; i < expectedInsertions * 2; i++) 
            if (bloomFilter.contains(i)) 
                count++;
            
        
        log.info("误判次数 = .", count);
        bloomFilter.delete();
    


注意事项：如果是 Redis Cluster 集群，则需要 RClusteredBloomFilter<SomeObject> bloomFilter = redisson.getClusteredBloomFilter("sample");
文末福利
送 4 本《大型网站架构实战》给一直关注并支持码哥的读者。
中奖规则：在本文留言并将此文转发到朋友圈，我从留言中随机抽取 4 位幸运读者，凭借朋友圈分享记录截图领取。免费包邮到手！
截止：2022 年 3 月 24 20:00
大型网站系统有很多功能，一次性明确所有的功能需求并设计出一个庞大的业务架构是一件费力不讨好的事情。因为在项目前期，难免会忽视一些琐碎功能，而随着开发的进行，也会有很多新的想法产生，基本上不会存在完全按照最初的业务架构设计完成的软件产品。因此，业务架构不仅要做到“规整功能模块，厘清产品业务逻辑”，更重要的是如何做到“有规划性地应对项目过程中的需求变更”。
好文推荐
Redis 缓存击穿（失效）、缓存穿透、缓存雪崩怎么解决？
Redis 突然变慢了如何排查并解决？
Redis 面霸篇：从高频问题透视核心原理
点击下方卡片关注我
加我微信：MageByte1024，进入专属技术读者群一起成长。

好文记得「点赞」「分享」「收藏」三连，感激不尽。


参考资料
1.https://blog.csdn.net/u010066934/article/details/122026625 
2.https://juejin.cn/book/6844733724618129422/section/6844733724706209806 
3.https://www.cnblogs.com/heihaozi/p/12174478.html 
4.https://www.cnblogs.com/allensun/archive/2011/02/16/1956532.html 
5.https://oss.redis.com/redisbloom/Bloom_Commands/ 
6.https://oss.redis.com/redisbloom/ 
7.https://redis.com/blog/rebloom-bloom-filter-datatype-redis