小白也能秒懂的Linux零拷贝原理

.6.3 统计请求的算法

• 请求访问到后台服务后，首先判断熔断开关是否打开。
• 如果熔断开关已打开，则表明当前请求不能被处理。
• 如果熔断开关未打开，则判断时间窗口是否已满。
• 如果时间窗口未满，则请求桶中的请求数加 1。
• 如果返回的响应有异常，则失败桶的失败数加 1，如果返回的响应没有异常，则成功桶的成功数加 1。
• 如果时间窗口已满，则开始判断是否需要熔断。

1.6.4 熔断的恢复算法

• 当熔断后，开关切换到断开状态。
• 过一段时间后，开关切换为半断开状态(Half-Open)。半断开状态下，允许对应用程序的一定数量的请求可以去调用服务，如果调用成功，则认为服务可以正常访问了，于是将开关切换为闭合状态。
• 如果半断开状态下，还是有调用失败的情况，则认为服务还没有恢复，开关从半断开状态切换到断开状态。

1.6.5 统计失败率的时间窗口
 

如何使得误报率最小，数学问题，求导就可以了。

4、使用场景

(1)google的guava包中有对Bloom Filter的实现

(2)通常使用布隆过滤器去解决redis中的缓存穿透，解决方案是redis中bitmap的实现，

(3)钓鱼网站、垃圾邮件检测

大体就这些，可能还有很多!!!

二、代码实现布隆过滤器

上面只是给出了其原理，下面我们代码实现一下。
 

K，有一天网警查到了一个可疑的网站，想判断一下是否是XX网站，于是就开始检查了。通过同样的方法将XX网站通过哈希映射到32亿个比特位数组上的8个点。如果8个点的其中有一个点不为1，则可以判断该元素一定不存在集合中。

注意：现在你可能会发现一个问题，如果两个XX网站通过上面的步骤映射到了相同的8个点上，或者是有一部分点是重合的，这时候该怎么办?于是就出现了误报，也就是说A网站在12345678个点上全部置1，B网站通过同样的方式在23456789上全部置1，这时候B网站来了是不能确定是否包含的。这个逻辑相信各位都理解。这个是最基础的面试问题。

3、误报率

这一小节是稍微高级一点点，某中厂问到了一次，于是这一次就添加了进来。

通过上面的解释相信都大概了解的差不多了，其实就是hash函数映射，由于有hash冲突产生了误报率，误报率也就是判断失败的情况。

既然是由于hash冲突，那我把布隆过滤器的二进制向量调到很大，这样不就解决了嘛，但是由于数据量比较大，因此现在就要考虑一下误报率和存储效率之间选择一个折中值了。有一个计算公式如下：公式来源于github

假设位数组的长度为m，哈希函数的个数为k。检测某一元素是否在该集合中的误报率是：

（编辑：淮安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!