CN115544329A - 一种基于布隆过滤器实现数据查询的方法、设备及介质 - Google Patents
一种基于布隆过滤器实现数据查询的方法、设备及介质 Download PDFInfo
- Publication number
- CN115544329A CN115544329A CN202211260919.5A CN202211260919A CN115544329A CN 115544329 A CN115544329 A CN 115544329A CN 202211260919 A CN202211260919 A CN 202211260919A CN 115544329 A CN115544329 A CN 115544329A
- Authority
- CN
- China
- Prior art keywords
- data
- site
- database
- request
- stored
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012217 deletion Methods 0.000 claims description 21
- 230000037430 deletion Effects 0.000 claims description 21
- 238000003491 array Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于布隆过滤器实现数据查询的方法、设备及介质,用以解决传统的布隆过滤器无法正确判断数据库中是否存在请求对应的数据的技术问题。包括:接收Web端向数据库发送的查询请求并确定对应的请求数据标识;基于布隆过滤器并通过至少一种哈希算法计算请求数据标识对应的至少一个哈希值,并确定Redis缓存中是否包含至少一个哈希值对应的位点信息;若是则将查询请求发送至数据库并确定请求数据标识对应的至少一个位点在数据库的数组中对应的数值是否为预设目标值;在至少一个位点在数据库的数组中对应的数值为预设目标值的情况下,在位点信息对应的位点中查询并获取请求数据标识对应的数据,实现对请求数据标识对应数据的查询。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于布隆过滤器实现数据查询的方法、设备及介质。
背景技术
在Web开发设计中,业务后端常常会与关系型数据库相关联。并且,在请求查询关系型数据库中的某些信息时,有很多请求对应的数据可能在数据库中并不存在,那么数据库中不存在的数据对应的请求就是冗余的。此时,在数据请求量比较大的情况下冗余的请求就会影响***的性能,甚至还可能会造成***宕机。目前,在遇到请求冗余的情况下,普遍会使用布隆过滤器来处理冗余的请求。
但是,传统的布隆过滤器在对冗余请求进行处理时,由于布隆过滤器的误判,无法将数据库中不存在的数据对应的查询请求认定为冗余请求,继续将该查询请求发送至数据库进行数据查询,此时无法实现对数据库中不存在的数据的查询,增加了数据库的查询压力,降低了数据的查询效率。
发明内容
本申请实施例提供了一种基于布隆过滤器实现数据查询的方法、设备及介质,用以解决现有技术通过布隆过滤器处理冗余请求时,布隆过滤器无法正确判断数据库中是否存在请求对应的数据的技术问题。
一方面,本申请实施例提供了一种基于布隆过滤器实现数据查询的方法,包括:
接收Web端向数据库发送的查询请求,并确定出所述查询请求中的请求数据标识;
基于布隆过滤器并通过至少一种哈希算法,计算所述请求数据标识对应的至少一个哈希值,并根据所述至少一个哈希值对应的位点信息,确定Redis缓存中是否包含所述请求数据标识对应的位点信息;
若确定所述Redis缓存中包含所述请求数据标识对应的位点信息,则将所述查询请求发送至数据库,并确定所述请求数据标识对应的至少一个位点在所述数据库的数组中对应的数值是否为预设目标值;其中,数据的一个哈希值对应位图中的一个位点,所述预设预设目标值用于指示所述位点不为空;
在所述数据库的数组中确定所述至少一个位点对应的数值为预设目标值的情况下,根据所述请求数据标识对应的位点信息,在对应的位点中查询并获取所述请求数据标识对应的数据,以实现对所述请求数据标识对应数据的查询。
在本申请的一种实现方式中,所述接收Web端向数据库发送的查询请求之前,所述方法还包括:
获取需要存储于所述数据库中的若干个待存储数据,并在所述数据库中为所述若干个待存储数据配置对应的数组;
基于一级布隆过滤器并通过至少一个一级哈希算法,计算待存储数据对应的至少一个一级哈希值,并确定所述至少一个一级哈希值,在所述数据库中对应的至少一个一级位点;
在所述数据库的数组中获取所述至少一个一级位点对应的至少一个数值,并根据所述至少一个数值,确定所述至少一个一级位点是否为空;
若是,则将所述待存储数据存储至对应的一级位点中,完成对所述待存储数据的存储。
在本申请的一种实现方式中,所述根据所述至少一个数值,确定所述至少一个一级位点是否为空之后,所述方法还包括:
若所述至少一个一级位点中的所有一级位点均不为空,则基于二级布隆过滤器并通过至少一个二级哈希算法,计算所述待存储数据对应的至少一个二级哈希值,并确定出所述至少一个二级哈希值在数据库中对应的至少一个二级位点;
在所述数据库的数组中获取所述至少一个二级位点对应的至少一个数值,以确定所述至少一个二级位点是否为空;
若是,则将所述待存储数据存储至对应的二级位点中,完成对所述待存储数据的存储。
在本申请的一种实现方式中,所述在所述数据库的数组中获取所述至少一个二级位点对应的至少一个数值,以确定所述至少一个二级位点是否为空之后,所述方法还包括:
若所述至少一个二级位点中的所有二级位点均不为空,则获取所述至少一个二级位点中所有二级位点对应的删除次数,并将所述所有二级位点对应的删除次数分别与预设阈值进行比较;
确定出删除次数小于所述预设阈值的二级位点,并从所述删除次数小于所述预设阈值的二级位点中确定一个二级位点;
将确定出的所述二级位点中存储的数据删除,并将所述待存储数据存储至所述确定出的二级位点中。
在本申请的一种实现方式中,所述将所述所有二级位点对应的删除次数分别与预设阈值进行比较之后,所述方法还包括:
若确定所述所有二级位点对应的删除次数均大于所述预设阈值,则基于三级布隆过滤器并通过至少一个三级哈希算法,计算所述待存储数据对应的至少一个三级哈希值,并确定出所述至少一个三级哈希值在数据库中对应的至少一个三级位点;
若根据获取到的所述至少一个三级位点在数组中对应的至少一个数值,确定所述至少一个三级位点为空,则将所述待存储数据存储至对应的三级位点中,完成对所述待存储数据的存储;
若确定所述至少一个三级位点均不为空,则继续基于四级布隆过滤器并通过至少一个四级哈希算法,计算对应的至少一个四级哈希值,并根据所述至少一个四级哈希值对应的至少一个四级位点,在数组中对应的至少一个数值,确定所述至少一个四级位点为空的情况下,将所述待存储数据存储至对应的四级位点中。
在本申请的一种实现方式中,所述根据所述至少一个哈希值对应的位点信息,确定Redis缓存中是否包含所述请求数据标识对应的位点信息之前,所述方法还包括:
基于待存储数据对应的数据标识,将存储所述待存储数据的位点信息存储至Redis缓存中,以便通过所述Redis缓存,确定所述数据库中是否包含所述待存储数据。
在本申请的一种实现方式中,所述根据所述至少一个哈希值对应的位点信息,确定Redis缓存中是否包含所述请求数据标识对应的位点信息之后,所述方法还包括:
若确定所述Redis缓存中不包含所述请求数据标识对应的位点信息,则确定所述数据库中不包含所述请求数据标识对应的数据;
将所述请求数据标识对应的查询请求进行过滤,并将所述查询请求对应的Web端返回提示信息。
在本申请的一种实现方式中,所述根据所述请求数据标识对应的位点信息,在对应的位点中查询并获取所述请求数据标识对应的数据之后,所述方法还包括:
基于所述Web端的查询请求,确定出所述查询请求中包含的所述Web端对应的地址;
基于确定出的所述Web端对应的地址,将查询获取到的所述请求数据标识对应的数据返回至所述Web端,以响应于所述Web端的查询请求。
另一方面,本申请实施例还提供了一种基于布隆过滤器实现数据查询的设备,所述设备包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述的一种基于布隆过滤器实现数据查询的方法。
另一方面,本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
如上述的一种基于布隆过滤器实现数据查询的方法。
本申请实施例提供了一种基于布隆过滤器实现数据查询的方法、设备及介质,至少包括以下有益效果:
通过获取查询请求中的请求数据标识,基于布隆过滤器并通过多种哈希算法,计算出对应的哈希值,然后根据哈希值对应的位点信息在Redis缓存中进行查询,以根据Redis缓存中是否包含请求数据标识对应的位点信息,来确定数据库中是否包含请求数据标识对应的数据;在Redis缓存中包含请求数据标识对应的位点信息的情况下,将查询请求发送至数据库,并确定出请求数据标识对应的至少一个位点在数据库的数组中对应的数字是否为预设目标值,并在是预设目标值的情况下,确定该位点存储有请求数据标识对应的数据,然后根据这个位点信息,能够直接从位点信息对应位点中查询并获取到请求数据标识对应的数据,从而实现对请求数据标识对应数据的查询。本申请根据上述方案能够避免传统的布隆过滤器的误判,降低数据库的数据查询压力,加快查询请求的响应时间,提升用户的使用体验。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种基于布隆过滤器实现数据查询的方法的流程示意图;
图2为本申请实施例提供的一种应用场景下的方法流程示意图;
图3为本申请实施例提供的另一种应用场景下的方法流程示意图;
图4为本申请实施例提供的一种基于布隆过滤器实现数据查询的设备的内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
传统的布隆过滤器在处理冗余请求时,存在以下问题:
首先,布隆过滤器存在误判的可能,例如:在接收到查询请求时,对于查询请求所要查询的数据包1,布隆过滤器通过至少一种哈希算法计算数据包1对应的哈希值,并从数据库的数组中找到数据包1的哈希值对应位图中的1、5、7三个位点,从而确定出数据包1的三个位点在数组中对应的数值是否为预设目标值,若是,则布隆过滤器确定查询请求所查询的数据在数据库中存在;对于数据包2,布隆过滤器通过至少一种哈希算法计算数据包2对应的哈希值,并从数据库的数组中找到数据包2的哈希值对应位图中的2、5、8三个位点,从而确定出数据包2的三个位点在数组中对应的数值是否为预设目标值,若是,则布隆过滤器确定查询请求所查询的数据在数据库中存在;对于没有存储至数据库的数据包3,布隆过滤器通过至少一种哈希算法计算数据包3对应的哈希值,并从数据库的数组中找到数据包3的哈希值对应位图中的1、5、8三个位点,但是,由于数据包3对应的1、5、8三个位点与数据包1和数据包2对应的位点有重叠的部分,所以布隆过滤器在查询数据包3对应的1和5两个位点时,会查询到数据包1对应的1和5两个位点在数组中对应的数值为预设目标值,并且,在查询数据包3对应的5和8这个位点时,会查询到数据包2对应的5和8两个位点在数组中对应的数值为预设目标值,此时,布隆过滤器会误判数据包3对应的1、5、8三个位点在数组中对应的数值为预设目标值,认为数据包3在数据库中是存在的,从而无法将数据库中实际不存在的数据包3对应的冗余查询请求过滤掉。
其次,布隆过滤器无法删除数据。在删除数据包1时,需要将数据包1对应位图中的1、5、7三个位点设置为0,此时如果Web端请求查询数据包2,那么会因为删除数据包1时将位点5设置为0,而导致布隆过滤器误判数组中不存在数据包2,增大了布隆过滤器误判的可能性。同时,还增加了数据库的查询压力,降低了数据的查询效率,影响了用户的查询体验。
本申请实施例提供了一种基于布隆过滤器实现数据查询的方法、设备及介质,通过获取查询请求中的请求数据标识,基于布隆过滤器并通过多种哈希算法,计算出对应的哈希值,然后根据哈希值对应的位点信息在Redis缓存中进行查询,以根据Redis缓存中是否包含请求数据标识对应的位点信息,来确定数据库中是否包含请求数据标识对应的数据;在Redis缓存中包含请求数据标识对应的位点信息的情况下,将查询请求发送至数据库,并确定出请求数据标识对应的至少一个位点在数据库的数组中对应的数字是否为预设目标值,并在是预设目标值的情况下,确定该位点存储有请求数据标识对应的数据,然后根据这个位点信息,能够直接从位点信息对应位点中查询并获取到请求数据标识对应的数据,从而实现对请求数据标识对应数据的查询。本申请根据上述方案能够避免传统的布隆过滤器的误判,降低数据库的数据查询压力,加快查询请求的响应时间,提升用户的使用体验。解决了现有技术通过布隆过滤器处理冗余请求时,布隆过滤器无法正确判断数据库中是否存在请求对应的数据的技术问题。
图1为本申请实施例提供的一种基于布隆过滤器实现数据查询的方法的流程示意图。如图1所示,本申请实施例提供的一种基于布隆过滤器实现数据查询的方法可以主要包括以下步骤:
101、接收Web端向数据库发送的查询请求,并确定出查询请求中的请求数据标识。
服务器接收Web端发送过来的查询请求,并从查询请求中确定出对应的请求数据标识,从而根据确定出的请求数据标识进行后续处理。
在本申请的一个实施例中,服务器在接收Web端的查询请求之前,首先会获取需要存储于数据库中的若干个待存储数据,并且本申请在数据库中为若干个待存储数据配置了一个一维数组结构,以便于将待存储数据存储于数据库提供的一维数组结构中。然后,服务器基于一级布隆过滤器并通过至少一个一级哈希算法,计算待存储数据对应的至少一个一级哈希值,并确定出这至少一个一级哈希值在数据库中对应的至少一个一级位点,进而从数据库的数组中获取至少一个一级位点对应的至少一个数值,并根据获取到的至少一个数值,确定至少一个一级位点是否为空。
需要说明的是,本申请实施例将数组中各位点对应的数值设置为默认值,通过默认值表示位点为空,没有存储数据,而在位点中存储有数据时,将该位点对应的数值修改为预设目标值,以通过预设目标值表示位点不为空。本申请中的默认值为数字0,预设目标值为数字1。
服务器在根据一级位点对应的数值,确定至少一个一级位点为空的情况下,将待存储数据直接存储于为空的一级位点中即可,从而给完成对待存储数据的存储。
在本申请的一个实施例中,服务器在根据至少一个数值,确定出至少一个一级位点是否为空之后,会在确定至少一个一级位点中的所有一级位点均不为空的情况下,基于二级布隆过滤器并通过至少一个二级哈希算法,计算待存储数据对应的至少一个二级哈希值,并确定出至少一个二级哈希值在数据库中对应的至少一个二级位点,然后在数据库的数组中获取至少一个二级位点对应的至少一个数值,进而能够根据对应的至少一个数值,确定出至少一个二级位点是否为空。
服务器在根据二级位点对应的数值,确定至少一个二级位点为空的情况下,将待存储数据直接存储于为空的二级位点中即可,从而给完成对待存储数据的存储。
在本申请的一个实施例中,服务器在获取至少一个二级位点在数据库的数组中对应的至少一个数值,确定出至少一个二级位点是否为空之后,在至少一个二级位点中的所有二级位点均不为空的情况下,服务器需要获取至少一个二级位点中所有二级位点对应的删除次数,并将所有二级位点对应的删除次数分别与预设阈值进行比较,进而能够在所有二级位点中有二级位点对应的删除次数小于预设阈值的情况下,将对应二级位点中存储的数据删除,以便于将待存储数据存储于删除数据的这个二级节点中,完成对待存储数据的存储。
此时,被删除的数据就会继续执行上述步骤,寻找对应位点中为空的位点,如果没有空的位点,当前被删除的数据也会进行同样的占位操作,直接当前被删除的数据也能够找到一个位点将自己存储进去。在向数据库中存储数据时,会循环上述操作。
需要说明的是,本申请实施例设置预设阈值是为了避免无线循环的发生,当位点中的数据被删除的次数超过预设阈值,即连续踢出行为发生的次数超出该预设阈值时,表明这个数组中的位点已经满了,需要对其他待存储的数据进行重新放置。
如图2所示,服务器在将待存储数据存储至数据库时,通过至少一个一级哈希算法计算对应的至少一个一级位点,然后获取至少一个一级位点在数据库的数组中对应的至少一个数值,从而根据对应的至少一个数值确定至少一个一级位点是否为空;若是,则将待存储数据直接存储至为空的一级位点进行占位即可完成数据存储。
若否,则需要通过至少一个二级哈希算法计算对应的至少一个二级位点,然后获取至少一个二级位点在数据库的数组中对应的至少一个数值,从而根据对应的至少一个数值确定至少一个二级位点是否为空;若是,则将待存储数据存储至为空的二级位点进行占位即可。
若否,则需要获取至少一个二级位点中的数据对应的删除次数,并将删除次数与预设阈值进行比较,然后将删除次数小于预设阈值的二级位点中的数据删除,以将待存储数据存储至对应的二级位点。然后,被删除数据会继续执行一级哈希算法和二级哈希算法,直至被删除数据找到对应位点进行存储。
在本申请的一个实施例中,服务器在将所有二级位点对应的删除次数分别与预设阈值进行比较之后,在确定出所有二级位点的删除次数均大于预设阈值的情况下,服务器需要基于三级布隆过滤器并通过至少一个三级哈希算法,计算待存储数据对应的至少一个三级哈希值,并确定出至少一个三级哈希值在数据库的数组中对应的至少一个三级位点。
然后,服务器从数据库的数组中获取至少一个三级位点对应的至少一个数值,并根据对应的至少一个数值,判断至少一个三级位点是否为空。在至少一个三级位点为空的情况下,服务器将待存储数据存储至为空的三级位点中即可,以完成对待存储数据的存储。
需要说明的是,本申请实施例在数组中的位点已经存储满数据之后,还可以通过增加哈希算法的方式,使每个待存储数据不止有两个备选位点进行存储,这样不仅能够大大降低数据与数据碰撞的概率,还能够使空间的利用率得到有效的提升。
而在确定至少一个三级位点均不为空的情况下,服务器需要继续基于四级布隆过滤器并通过至少一个四级哈希算法,计算待存储数据对应的至少一个四级哈希值,并确定出至少一个四级哈希值在数据库的数组中对应的至少一个四级位点,然后在数据库的数组中获取至少一个四级位点对应的至少一个数值,进而根据至少一个数值判断至少一个四级位点是否为空,并在确定至少一个四级位点为空的情况下,将待存储数据存储至对应的四级位点中。
如图3所示,服务器在确定出至少一个二级位点中所有数据对应的删除次数均大于预设阈值的情况下,需要通过至少一个三级哈希算法计算对应的至少一个三级位点,然后获取至少一个三级位点在数据库的数组中对应的至少一个数值,从而根据对应的至少一个数值确定至少一个三级位点是否为空;若是,则将待存储数据直接存储至为空的三级位点进行占位即可完成数据存储。
若否,则服务器需要继续通过至少一个四级哈希算法计算对应的至少一个四级位点,然后获取至少一个四级位点在数据库的数组中对应的至少一个数值,从而根据对应的至少一个数值确定至少一个四级位点是否为空;若是,则将待存储数据直接存储至为空的四级位点进行占位即可。本申请通过使用四个哈希算法,能够大大提升空间的利用率。
102、基于布隆过滤器并通过至少一种哈希算法,计算请求数据标识对应的至少一个哈希值,并根据至少一个哈希值对应的位点信息,确定Redis缓存中是否包含请求数据标识对应的位点信息。
服务器根据向数据库中存储数据的方式,在接收到Web端的查询请求之后,会基于布隆过滤器并通过至少一种哈希算法,计算请求数据标识对应的至少一个哈希值,根据计算出的至少一个哈希值,能够确定出至少一个哈希值对应的至位点信息,然后能够确定出的请求数据标识对应的位点信息,在Redis缓存中进行查询,从而根据Redis缓存中是否包含请求数据标识对应的位点信息,能够确定出数据库中是否包含请求数据标识对应的数据。
在本申请的一个实施例中,服务器在根据至少一个哈希值对应的位点信息,确定Redis缓存中是否包含请求数据标识对应的位点信息之前,确定待存储数据在数据库中存储的位点信息,并基于待存储数据对应的数据标识,将待存储数据对应的位点信息,存储至Redis缓存中,以便于Web端向数据库发起查询请求时,根据Redis缓存中存储的具有数据标识的位点信息,判断查询请求中请求数据标识对应的数据在数据库中是否存在,这样能够将数据库中不存在的数据对应的查询请求过滤掉,降低数据库的查询压力,提高数据查询的响应效率。
在本申请的一个实施例中,服务器在根据至少一个哈希值对应的位点信息,确定Redis缓存中是否包含请求数据标识对应的位点信息之后,在根据请求数据标识对应的位点信息在Redis缓存中进行查询并确定Redis缓存中不包含请求数据标识对应的位点信息的情况下,能够确定出数据库中不存在请求数据标识对应的数据,此时,服务器会将请求数据标识对应的查询请求过滤掉,同时,向对应的Web端返回响应信息,这样不仅能够减轻数据库的查询压力,还能够提高Web端查询的响应效率。
103、若确定Redis缓存中包含请求数据标识对应的位点信息,则将查询请求发送至数据库,并确定请求数据标识对应的至少一个位点在数据库的数组中对应的数值是否为预设目标值。
服务器通过查询确定Redis缓存中包含请求数据标识对应的位点信息的情况下,将查询请求发送至数据库中,并根据位点信息对应的位点,在数据库的数组中找到对应位点,并获取对应位点在数组中对应的数值,以确定对应的数值是否为预设目标值,从而根据数值是否为预设目标值来确定对应位点中是否存储着请求数据标识对应的数据。
需要说明的是,在本申请实施例中,数据的一个哈希值对应位图中的一个位点。
104、在数据库的数组中确定至少一个位点对应的数值为预设目标值的情况下,根据请求数据标识对应的位点信息,在对应的位点中查询并获取请求数据标识对应的数据,以实现对请求数据标识对应数据的查询。
服务器在数据库的数组中确定至少一个位点对应的数值为预设目标值1的情况下,根据请求数据标识对应的位点信息,在对应的位点中查询并获取请求数据标识对应的数据,从而实现对请求数据标识对应的数据的查询。
在本申请的一个实施例中,服务器在根据请求数据标识对应的位点信息,在对应的位点中查询并获取请求数据标识对应的数据之后,服务器基于Web端发送的查询请求,能够确定出查询请求中包含的Web端对应的请求地址,然后服务器根据确定出的请求地址,将查询请求对应的响应信息返回至对应的Web端,使Web端完成对数据的查询。
需要说明的是,图2、图3所示的方法与图1所示的方法本质相同,因此,图2、图3中未详述的部分,具体可参照图1中的相关描述,本申请在此不再赘述。
以上为本申请提出的方法实施例。基于同样的发明构思,本申请实施例还提供了一种基于布隆过滤器实现数据查询的设备,其结构如图4所示。
图4为本申请实施例提供的一种基于布隆过滤器实现数据查询的设备的内部结构示意图。如图4所示,设备包括:
至少一个处理器;
以及,与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
接收Web端向数据库发送的查询请求,并确定出查询请求中的请求数据标识;
基于布隆过滤器并通过至少一种哈希算法,计算请求数据标识对应的至少一个哈希值,并根据至少一个哈希值对应的位点信息,确定Redis缓存中是否包含请求数据标识对应的位点信息;
若确定Redis缓存中包含请求数据标识对应的位点信息,则将查询请求发送至数据库,并确定请求数据标识对应的至少一个位点在数据库的数组中对应的数值是否为预设目标值;其中,数据的一个哈希值对应位图中的一个位点;
在数据库的数组中确定至少一个位点对应的数值为预设目标值的情况下,根据请求数据标识对应的位点信息,在对应的位点中查询并获取请求数据标识对应的数据,以实现对请求数据标识对应数据的查询。
本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
接收Web端向数据库发送的查询请求,并确定出查询请求中的请求数据标识;
基于布隆过滤器并通过至少一种哈希算法,计算请求数据标识对应的至少一个哈希值,并根据至少一个哈希值对应的位点信息,确定Redis缓存中是否包含请求数据标识对应的位点信息;
若确定Redis缓存中包含请求数据标识对应的位点信息,则将查询请求发送至数据库,并确定请求数据标识对应的至少一个位点在数据库的数组中对应的数值是否为预设目标值;其中,数据的一个哈希值对应位图中的一个位点;
在数据库的数组中确定至少一个位点对应的数值为预设目标值的情况下,根据请求数据标识对应的位点信息,在对应的位点中查询并获取请求数据标识对应的数据,以实现对请求数据标识对应数据的查询。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于布隆过滤器实现数据查询的方法,其特征在于,所述方法包括:
接收Web端向数据库发送的查询请求,并确定出所述查询请求中的请求数据标识;
基于布隆过滤器并通过至少一种哈希算法,计算所述请求数据标识对应的至少一个哈希值,并根据所述至少一个哈希值对应的位点信息,确定Redis缓存中是否包含所述请求数据标识对应的位点信息;
若确定所述Redis缓存中包含所述请求数据标识对应的位点信息,则将所述查询请求发送至数据库,并确定所述请求数据标识对应的至少一个位点在所述数据库的数组中对应的数值是否为预设目标值;其中,数据的一个哈希值对应位图中的一个位点,所述预设预设目标值用于指示所述位点不为空;
在所述数据库的数组中确定所述至少一个位点对应的数值为预设目标值的情况下,根据所述请求数据标识对应的位点信息,在对应的位点中查询并获取所述请求数据标识对应的数据,以实现对所述请求数据标识对应数据的查询。
2.根据权利要求1所述的一种基于布隆过滤器实现数据查询的方法,其特征在于,所述接收Web端向数据库发送的查询请求之前,所述方法还包括:
获取需要存储于所述数据库中的若干个待存储数据,并在所述数据库中为所述若干个待存储数据配置对应的数组;
基于一级布隆过滤器并通过至少一个一级哈希算法,计算待存储数据对应的至少一个一级哈希值,并确定所述至少一个一级哈希值,在所述数据库中对应的至少一个一级位点;
在所述数据库的数组中获取所述至少一个一级位点对应的至少一个数值,并根据所述至少一个数值,确定所述至少一个一级位点是否为空;
若是,则将所述待存储数据存储至对应的一级位点中,完成对所述待存储数据的存储。
3.根据权利要求2所述的一种基于布隆过滤器实现数据查询的方法,其特征在于,所述根据所述至少一个数值,确定所述至少一个一级位点是否为空之后,所述方法还包括:
若所述至少一个一级位点中的所有一级位点均不为空,则基于二级布隆过滤器并通过至少一个二级哈希算法,计算所述待存储数据对应的至少一个二级哈希值,并确定出所述至少一个二级哈希值在数据库中对应的至少一个二级位点;
在所述数据库的数组中获取所述至少一个二级位点对应的至少一个数值,以确定所述至少一个二级位点是否为空;
若是,则将所述待存储数据存储至对应的二级位点中,完成对所述待存储数据的存储。
4.根据权利要求3所述的一种基于布隆过滤器实现数据查询的方法,其特征在于,所述在所述数据库的数组中获取所述至少一个二级位点对应的至少一个数值,以确定所述至少一个二级位点是否为空之后,所述方法还包括:
若所述至少一个二级位点中的所有二级位点均不为空,则获取所述至少一个二级位点中所有二级位点对应的删除次数,并将所述所有二级位点对应的删除次数分别与预设阈值进行比较;
确定出删除次数小于所述预设阈值的二级位点,并从所述删除次数小于所述预设阈值的二级位点中确定一个二级位点;
将确定出的所述二级位点中存储的数据删除,并将所述待存储数据存储至所述确定出的二级位点中。
5.根据权利要求4所述的一种基于布隆过滤器实现数据查询的方法,其特征在于,所述将所述所有二级位点对应的删除次数分别与预设阈值进行比较之后,所述方法还包括:
若确定所述所有二级位点对应的删除次数均大于所述预设阈值,则基于三级布隆过滤器并通过至少一个三级哈希算法,计算所述待存储数据对应的至少一个三级哈希值,并确定出所述至少一个三级哈希值在数据库中对应的至少一个三级位点;
若根据获取到的所述至少一个三级位点在数组中对应的至少一个数值,确定所述至少一个三级位点为空,则将所述待存储数据存储至对应的三级位点中,完成对所述待存储数据的存储;
若确定所述至少一个三级位点均不为空,则继续基于四级布隆过滤器并通过至少一个四级哈希算法,计算对应的至少一个四级哈希值,并根据所述至少一个四级哈希值对应的至少一个四级位点,在数组中对应的至少一个数值,确定所述至少一个四级位点为空的情况下,将所述待存储数据存储至对应的四级位点中。
6.根据权利要求1所述的一种基于布隆过滤器实现数据查询的方法,其特征在于,所述根据所述至少一个哈希值对应的位点信息,确定Redis缓存中是否包含所述请求数据标识对应的位点信息之前,所述方法还包括:
基于待存储数据对应的数据标识,将存储所述待存储数据的位点信息存储至Redis缓存中,以便通过所述Redis缓存,确定所述数据库中是否包含所述待存储数据。
7.根据权利要求1所述的一种基于布隆过滤器实现数据查询的方法,其特征在于,所述根据所述至少一个哈希值对应的位点信息,确定Redis缓存中是否包含所述请求数据标识对应的位点信息之后,所述方法还包括:
若确定所述Redis缓存中不包含所述请求数据标识对应的位点信息,则确定所述数据库中不包含所述请求数据标识对应的数据;
将所述请求数据标识对应的查询请求进行过滤,并将所述查询请求对应的Web端返回提示信息。
8.根据权利要求1所述的一种基于布隆过滤器实现数据查询的方法,其特征在于,所述根据所述请求数据标识对应的位点信息,在对应的位点中查询并获取所述请求数据标识对应的数据之后,所述方法还包括:
基于所述Web端的查询请求,确定出所述查询请求中包含的所述Web端对应的地址;
基于确定出的所述Web端对应的地址,将查询获取到的所述请求数据标识对应的数据返回至所述Web端,以响应于所述Web端的查询请求。
9.一种基于布隆过滤器实现数据查询的设备,其特征在于,所述设备包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-8任一项所述的一种基于布隆过滤器实现数据查询的方法。
10.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
如权利要求1-8任一项所述的一种基于布隆过滤器实现数据查询的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211260919.5A CN115544329A (zh) | 2022-10-14 | 2022-10-14 | 一种基于布隆过滤器实现数据查询的方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211260919.5A CN115544329A (zh) | 2022-10-14 | 2022-10-14 | 一种基于布隆过滤器实现数据查询的方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115544329A true CN115544329A (zh) | 2022-12-30 |
Family
ID=84736106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211260919.5A Pending CN115544329A (zh) | 2022-10-14 | 2022-10-14 | 一种基于布隆过滤器实现数据查询的方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115544329A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258524A (zh) * | 2023-03-14 | 2023-06-13 | 深圳乐信软件技术有限公司 | 基于布隆过滤器的广告投放方法、装置、设备及存储介质 |
CN117743472A (zh) * | 2024-02-06 | 2024-03-22 | 之江实验室 | 一种存储任务断点同步方法、装置、介质及设备 |
-
2022
- 2022-10-14 CN CN202211260919.5A patent/CN115544329A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258524A (zh) * | 2023-03-14 | 2023-06-13 | 深圳乐信软件技术有限公司 | 基于布隆过滤器的广告投放方法、装置、设备及存储介质 |
CN116258524B (zh) * | 2023-03-14 | 2024-02-02 | 深圳乐信软件技术有限公司 | 基于布隆过滤器的广告投放方法、装置、设备及存储介质 |
CN117743472A (zh) * | 2024-02-06 | 2024-03-22 | 之江实验室 | 一种存储任务断点同步方法、装置、介质及设备 |
CN117743472B (zh) * | 2024-02-06 | 2024-05-07 | 之江实验室 | 一种存储任务断点同步方法、装置、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115544329A (zh) | 一种基于布隆过滤器实现数据查询的方法、设备及介质 | |
CN107015985B (zh) | 一种数据存储与获取方法及装置 | |
CN111563101B (zh) | 执行计划优化方法、装置、设备及存储介质 | |
CN109284073B (zh) | 数据存储方法、装置、***、服务器、控制节点及介质 | |
US10574752B2 (en) | Distributed data storage method, apparatus, and system | |
CN107783980B (zh) | 索引数据生成及数据查询方法及装置、存储和查询*** | |
CN108268476B (zh) | 数据查询方法及装置 | |
CN109117275B (zh) | 基于数据分片的对账方法、装置、计算机设备及存储介质 | |
CN111782707B (zh) | 一种数据查询方法及*** | |
CN102467572B (zh) | 支持重复数据删除程序的数据区块查询方法 | |
CN107959695B (zh) | 一种数据传输方法及装置 | |
CN112015820A (zh) | 分布式图数据库实现的方法、***、电子装置和存储介质 | |
US20190332492A1 (en) | Method for approximating similarity between objects | |
CN110245129B (zh) | 一种分布式全局数据去重方法和装置 | |
CN110597835A (zh) | 一种基于区块链的交易数据删除方法及装置 | |
CN113157600A (zh) | 一种叠瓦式硬盘的空间分配方法、文件存储***及服务器 | |
CN113301173A (zh) | 域名更新***及方法、消息转发方法、服务器 | |
CN109669623B (zh) | 一种文件管理方法、文件管理装置、电子设备及存储介质 | |
CN108241758B (zh) | 数据查询方法及相关设备 | |
CN115442439A (zh) | 分布式缓存集群管理方法、***、终端及存储介质 | |
CN115114289A (zh) | 一种数据查询方法、装置及电子设备 | |
CN113625938A (zh) | 一种元数据存储方法及其设备 | |
CN112100247B (zh) | ElasticSearch查询数据的方法及其*** | |
CN111159438A (zh) | 一种数据的存储和检索方法、电子设备及存储介质 | |
CN112711627B (zh) | 一种Greenplum数据库的数据导入方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |