用户名已被占用意味着什么（用户名被占用解决办法）

前言

不知道大家有没有留意过，在使用一些app注册的时候，提示你用户名已经被占用了，需要更换一个，这是如何实现的呢？你可能想这不是很简单吗，去数据库里查一下有没有不就行了吗，那么假如用户数量很多，达到数亿级别呢，这又该如何是好？

数据库方案

用户名已被占用意味着什么,用户名被占用解决办法(1)

第一种方案就是查数据库的方案，大家都能够想到，代码如下：

java

复制代码

public class UsernameUniquenessChecker { private static final String DB_URL = "jdbc:mySQL://localhost:3306/your_database"; private static final String DB_USER = "your_username"; private static final String DB_PASSWORD = "your_password"; public static boolean isUsernameUnique(String username) { try (Connection conn = DriverManager.getConnection(DB_URL, DB_USER, DB_PASSWORD)) { String sql = "SELECT COUNT(*) FROM users WHERE username = ?"; try (PreparedStatement stmt = conn.prepareStatement(sql)) { stmt.setString(1, username); try (ResultSet rs = stmt.executeQuery()) { if (rs.next()) { int count = rs.getInt(1); return count == 0; // If count is 0, username is unique } } } } catch (SQLException e) { e.printStackTrace(); } return false; // In case of an error, consider the username as non-unique } public static void main(String[] args) { String desiredUsername = "new_user"; boolean isUnique = isUsernameUnique(desiredUsername); if (isUnique) { System.out.println("Username '" desiredUsername "' is unique. Proceed with registration."); } else { System.out.println("Username '" desiredUsername "' is already in use. Choose a different one."); } } }

这种方法会带来如下问题：

性能问题，延迟高。如果数据量很大，查询速度慢。另外，数据库查询涉及应用程序服务器和数据库服务器之间的网络通信。建立连接、发送查询和接收响应所需的时间也会导致延迟。
数据库负载过高。频繁执行 SELECT 查询来检查用户名唯一性，每个查询需要数据库资源，包括CPU和I/O。

可扩展性差。数据库对并发连接和资源有限制。如果注册率继续增长，数据库服务器可能难以处理数量增加的传入请求。垂直扩展数据库（向单个服务器添加更多资源）可能成本高昂并且可能有限制。

缓存方案

为了解决数据库调用用户名唯一性检查的性能问题，引入了高效的redis缓存。

用户名已被占用意味着什么,用户名被占用解决办法(2)

java

复制代码

public class UsernameCache { private static final String REDIS_HOST = "localhost"; private static final int REDIS_PORT = 6379; private static final int CACHE_EXPIRATION_SECONDS = 3600; private static JedisPool jedisPool; // Initialize the Redis connection pool static { JedisPoolConfig poolConfig = new JedisPoolConfig(); jedisPool = new JedisPool(poolConfig, REDIS_HOST, REDIS_PORT); } // Method to check if a username is unique using the Redis cache public static boolean isUsernameUnique(String username) { try (Jedis jedis = jedisPool.getResource()) { // Check if the username Exists in the Redis cache if (jedis.sismember("usernames", username)) { return false; // Username is not unique } } catch (Exception e) { e.printStackTrace(); // Handle exceptions or fallback to database query if Redis is unavailable } return true; // Username is unique (not found in cache) } // Method to add a username to the Redis cache public static void addToCache(String username) { try (Jedis jedis = jedisPool.getResource()) { jedis.sadd("usernames", username); // Add the username to the cache set jedis.expire("usernames", CACHE_EXPIRATION_SECONDS); // Set expiration time for the cache } catch (Exception e) { e.printStackTrace(); // Handle exceptions if Redis cache update fails } } // Cleanup and close the Redis connection pool public static void close() { jedisPool.close(); } }

这个方案最大的问题就是内存占用过大，假如每个用户名需要大约 20 字节的内存。你想要存储10亿个用户名的话，就需要20G的内存。

总内存 = 每条记录的内存使用量 * 记录数 = 20 字节/记录 * 1,000,000,000 条记录 = 20,000,000,000 字节 = 20,000,000 KB = 20,000 MB = 20 GB

布隆过滤器方案

直接缓存判断内存占用过大，有没有什么更好的办法呢？布隆过滤器就是很好的一个选择。

那究竟什么布隆过滤器呢？

布隆过滤器（Bloom Filter）是一种数据结构，用于快速检查一个元素是否存在于一个大型数据集中，通常用于在某些情况下快速过滤掉不可能存在的元素，以减少后续更昂贵的查询操作。布隆过滤器的主要优点是它可以提供快速的查找和插入操作，并且在内存占用方面非常高效。

具体的实现原理和数据结构如下图所示：

用户名已被占用意味着什么,用户名被占用解决办法(3)

布隆过滤器的核心思想是使用一个位数组（Bit array）和一组哈希函数。

位数组（Bit Array） ：布隆过滤器使用一个包含大量位的数组，通常初始化为全0。每个位可以存储两个值，通常是0或1。这些位被用来表示元素的存在或可能的存在。
哈希函数（Hash Functions） ：布隆过滤器使用多个哈希函数，每个哈希函数可以将输入元素映射到位数组的一个或多个位置。这些哈希函数必须是独立且具有均匀分布特性。

那么具体是怎么做的呢？

添加元素：如上图所示，当将字符串“xuyang”，“alvin”插入布隆过滤器时，通过多个哈希函数将元素映射到位数组的多个位置，然后将这些位置的位设置为1。
查询元素：当要检查一个元素是否存在于布隆过滤器中时，通过相同的哈希函数将元素映射到位数组的相应位置，然后检查这些位置的位是否都为1。如果有任何一个位为0，那么可以确定元素不存在于数据集中。但如果所有位都是1，元素可能存在于数据集中，但也可能是误判。

本身redis支持布隆过滤器的数据结构，我们用代码简单实现了解一下：

java

复制代码

import redis.clients.jedis.Jedis; import redis.clients.jedis.JedisPool; import redis.clients.jedis.JedisPoolConfig; public class BloomFilterExample { public static void main(String[] args) { JedisPoolConfig poolConfig = new JedisPoolConfig(); JedisPool jedisPool = new JedisPool(poolConfig, "localhost", 6379); try (Jedis jedis = jedisPool.getResource()) { // 创建一个名为 "usernameFilter" 的布隆过滤器，需要指定预计的元素数量和期望的误差率 jedis.bfCreate("usernameFilter", 10000000, 0.01); // 将用户名添加到布隆过滤器 jedis.bfAdd("usernameFilter", "alvin"); // 检查用户名是否已经存在 boolean exists = jedis.bfExists("usernameFilter", "alvin"); System.out.println("Username exists: " exists); } } }

在上述示例中，我们首先创建一个名为 "usernameFilter" 的布隆过滤器，然后使用 bfAdd 将用户名添加到布隆过滤器中。最后，使用 bfExists 检查用户名是否已经存在。

优点：

节约内存空间，相比使用哈希表等数据结构，布隆过滤器通常需要更少的内存空间，因为它不存储实际元素，而只存储元素的哈希值。如果以 0.001 误差概率存储 10 亿条记录，只需要 1.67 GB 内存，对比原来的20G，大大的减少了。
高效的查找，布隆过滤器可以在常数时间内（O(1)）快速查找一个元素是否存在于集合中，无需遍历整个集合。

缺点：