主页 > 知识库 > Redis使用bloom-filter过滤器实现推荐去重

Redis使用bloom-filter过滤器实现推荐去重

热门标签:山东外呼销售系统招商 郑州人工智能电销机器人系统 宿迁便宜外呼系统平台 超呼电话机器人 魔兽2青云地图标注 十堰营销电销机器人哪家便宜 北京400电话办理收费标准 贵州电销卡外呼系统 日本中国地图标注

前期准备

redis原生并不带布隆过滤器,需要单独下载并自行编译和加载。

1.下载redisbloom插件(redis官网下载即可)

https://github.com/RedisLabsModules/redisbloom/

wget https://github.com/RedisLabsModules/rebloom/archive/v1.1.1.tar.gz

2.解压,cd、make,make后会生成rebloom.so文件

tar -zxvf v1.1.1.tar.gz
cd redisbloom-1.1.1/
make

3.配置redis.conf文件,在配置文件中加上,目录为rebloom.so文件的目录路径

loadmodule /目录/rebloom.so

4.重新启动redis

redis-server redis.conf

快速使用

创建filter:[bf.reserve key error_rate initial_size]

bf.reserve users 0.001 100000

bf.reserve命令有三个参数,分别是:

  • key:键
  • error_rate:期望错误率,期望错误率越低,需要的空间就越大。
  • capacity:初始容量,当实际元素的数量超过这个初始化容量时,误判率上升。

如果不使用bf.reserve命令创建,而是使用Redis自动创建的布隆过滤器,默认的error_rate是 0.01,capacity是 100。

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。总之,error_rate和 capacity都需要设置一个合适的数值。

请查看:https://www.cnblogs.com/-wenli/p/12444639.html

添加元素:[bf.add key options]

bf.add users user3

判断元素是否存在:[bf.exists key options]

bf.exists users user1

添加多个元素:[bf.add key ...options]

bf.madd users user4 user5 user6 user

判断多个元素是否存在:[bf.add key ...options]

bf.mexists users user4 user5 user6 user7 user8

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

您可能感兴趣的文章:
  • 基于springboot实现redis分布式锁的方法
  • Redis大key多key拆分实现方法解析
  • docker下的 redis 之持久化存储详解
  • 解决docker重启redis,mysql数据丢失的问题
  • 详解Redis中的List类型
  • Redis分布式锁python-redis-lock使用方法
  • Docker 启动Redis 并设置密码的操作
  • 解决RedisTemplate调用increment报错问题
  • Redis配合SSDB实现持久化存储代码示例

标签:朝阳 杨凌 吉安 江苏 果洛 台州 北京 大庆

巨人网络通讯声明:本文标题《Redis使用bloom-filter过滤器实现推荐去重》,本文关键词  Redis,使用,bloom-filter,过滤器,;如发现本文内容存在版权问题,烦请提供相关信息告之我们,我们将及时沟通与处理。本站内容系统采集于网络,涉及言论、版权与本站无关。
  • 相关文章
  • 下面列出与本文章《Redis使用bloom-filter过滤器实现推荐去重》相关的同类信息!
  • 本页收集关于Redis使用bloom-filter过滤器实现推荐去重的相关信息资讯供网民参考!
  • 推荐文章