布隆过滤器

        // 创建布隆过滤器，设置存储的数据类型，预期数据量，误判率 (必须大于0，小于1)
        int insertions = 10000000;
        double fpp = 0.0001;
        BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()), insertions, fpp);

// 随机生成数据，并添加到布隆过滤器中（将预期数据量全部塞满）
// 同时也创建一个List集合，将布隆过滤器中预期数据的十分之一存储到该List中
        List<String> lists_1 = new ArrayList<String>();
        for (int i = 0; i < insertions; i++) {
            String uid = UUID.randomUUID().toString();
            bloomFilter.put(uid);
            if (i < insertions / 10) {
                lists_1.add(uid);
            }
        }

// 再创建一个List集合，用来存储另外 五分之一 不存在布隆过滤器中的数据
        List<String> lists_2 = new ArrayList<String>();
        for (int i = 0; i < insertions / 5; i++) {
            String uid = UUID.randomUUID().toString();
            lists_2.add(uid);
        }

// 对已存在布隆过滤器中的lists_1中的数据进行判断，看是否在布隆过滤器中
        int result_1 = 0;
        for (String s : lists_1) {
            if (bloomFilter.mightContain(s)) result_1++;
        }
        System.out.println("在 <已存在> 布隆过滤器中的" + lists_1.size() + "条数据中，布隆过滤器认为存在的数量为：" + result_1);

// 对不存在布隆过滤器中的lists_2中的数据进行判断，看是否在布隆过滤器中
        int result_2 = 0;
        for (String s : lists_2) {
            if (bloomFilter.mightContain(s)) result_2++;
        }
        System.out.println("在 <不存在> 布隆过滤器中的" + lists_2.size() + "条数据中，布隆过滤器认为存在的数量为：" + result_2);

// 对数据进行整除，求出百分率
        NumberFormat percentFormat = NumberFormat.getPercentInstance();
        percentFormat.setMaximumFractionDigits(2);
        float percent = (float) result_1 / lists_1.size();
        float bingo = (float) result_2 / lists_2.size();
        System.out.println("命中率为：" + percentFormat.format(percent) + "，误判率为：" + percentFormat.format(bingo));
    }

 以上是com.google.guava的过滤器

 

Redission构建过滤器   

 Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379").setPassword("123456").setDatabase(0);
        RedissonClient redission = Redisson.create(config);
        RBloomFilter<Object> phoneList = redission.getBloomFilter("phoneList");
        phoneList.tryInit(1000000L,0.03);
        //将号码10086插入到布隆过滤器中
        phoneList.add("10086");

        //判断下面号码是否在布隆过滤器中
        System.out.println(phoneList.contains("123456"));//false
        System.out.println(phoneList.contains("10086"));//true

 

思路：
        boolean contains = phoneList.contains("10086");
        //可能存在时有可能不存在误差率自定义  小于1大于0
            if(contains){
                RAtomicDouble s = redission.getAtomicDouble("s");
                if(null!=s){
//                    return  s;
                }else{
                    //db.get("s")
//                    return  s;
                }
            }else{
                //一定不存在
            }