Java使用Guava库实现Bloom filter交集与并集的相关问题咨询

问题1：putAll()是否是获取两个Bloom filter并集的正确方法？ #

满足两个布隆过滤器参数完全兼容的前提时，putAll()是官方提供的正确并集实现。参数兼容指的是两者使用相同的Funnel、哈希函数数量、位阵列长度、预期插入量、误判率配置，调用前可以用BloomFilter.isCompatible()方法做校验，不兼容的实例调用putAll()会直接抛出异常。
符合前提的情况下，putAll()底层会直接对两个过滤器的位阵列做按位或运算，得到的结果就是两个集合的并集对应的布隆过滤器，最终的误判率不会高于单个过滤器的预设值。

问题2：是否存在非反射的方式实现两个及以上Bloom filter的交集计算？ #

存在完全基于Guava公开API的非反射实现方案，步骤如下：

• 第一步：调用BloomFilter.isCompatible()校验所有待计算的布隆过滤器参数完全兼容，不兼容的过滤器做交集运算没有业务意义
• 第二步：分别将所有布隆过滤器通过writeTo(OutputStream)方法写入字节数组输出流，得到对应的位阵列字节数组
• 第三步：遍历所有字节数组的对应位置，执行按位与运算得到交集对应的位阵列字节数组
• 第四步：将计算得到的字节数组写入输入流，调用BloomFilter.readFrom(InputStream, Funnel)方法即可生成交集对应的布隆过滤器

如果要计算多个过滤器的并集，也可以用这套逻辑，只是把位运算换成按位或即可，当然单论并集直接调用putAll()性能更优。

问题3：反射操作内部data字段执行位运算是否安全？ #

不推荐使用反射方案，该操作存在较高的风险：

• Guava没有对外承诺BloomFilter的内部实现，不同版本的内部字段、存储结构都可能发生变更，比如data字段对应的BitArray实现逻辑在多个小版本中都有过调整，反射实现升级Guava版本时极易出现兼容性故障
• 直接操作内部字段会绕开Guava原本的参数校验、并发安全控制逻辑，很容易引入内存泄漏、数据异常等问题
• 生产环境建议优先使用上面提到的公开API实现方案，兼容性和稳定性都有保障

支持交并集的开源库推荐 #

• Apache Commons Collections 4.5+版本内置的BloomFilter实现，原生提供union()、intersection()、xor()等位运算方法，是Apache顶级项目的成熟组件，稳定性经过大量生产环境验证
• orestes-bloomfilter是Java生态中专门针对布隆过滤器实现的热门开源库，原生支持交、并、差集运算，同时支持内存、分布式等多种部署形态，托管在Maven中心仓库，迭代维护状态稳定

内容的提问来源于stack exchange，提问作者ranban282