블룸 필터 편집하기 (부분)

== 실제 활용 사례 ==

블룸 필터는 수많은 실제 시스템에서 핵심 구성요소로 사용된다. 아래는 대표적인 사례들이다.

=== 데이터베이스 ===

==== Apache Cassandra ====

[[Apache Cassandra]]는 [[LSM 트리(Log-Structured Merge Tree)]] 기반 스토리지 엔진을 사용한다. 데이터를 조회할 때 해당 키가 어떤 SSTable에 있는지 알아야 하는데, SSTable이 수십~수백 개일 수 있다. 블룸 필터를 각 SSTable마다 유지함으로써, 해당 키가 없는 SSTable은 디스크 I/O 없이 즉시 건너뛴다.

효과: 읽기 연산의 불필요한 디스크 접근을 수십~수백 배 줄임.

==== Apache HBase ====

HBase에서도 유사하게 StoreFile(HFile)마다 블룸 필터를 생성하여 읽기 성능을 향상시킨다. Get 연산과 존재하지 않는 키 조회 시 특히 효과적이다.

==== PostgreSQL ====

[[PostgreSQL]] 13부터 [[Bloom Index]]를 정식 지원한다. 여러 컬럼에 대한 동등 조건(equality condition) 쿼리에서 불필요한 힙 페이지 접근을 줄이는 데 사용된다. 다중 컬럼 동등 조건이 많은 데이터 웨어하우스 쿼리에서 유용하다.

==== LevelDB / RocksDB ====

Google이 개발하고 Meta가 확장한 키-값 스토어. SST 파일마다 블룸 필터를 유지하며, 최신 RocksDB는 블룸 필터 대신 Ribbon 필터도 선택할 수 있다.

=== 네트워크 ===

==== 패킷 라우팅 ====

고속 네트워크 라우터에서 이미 처리한 패킷 ID를 블룸 필터에 기록하여 중복 패킷 처리를 방지한다. 메모리가 제한적인 네트워크 장비에서 특히 유용하다.

==== P2P 네트워크 ====

[[BitTorrent]] 같은 P2P 네트워크에서 피어(peer)가 어떤 청크(chunk)를 보유하고 있는지 블룸 필터로 광고함으로써, 불필요한 데이터 요청을 줄인다. 전체 보유 목록을 전송하는 것보다 훨씬 적은 대역폭을 소비한다.

==== CDN과 캐시 ====

[[Akamai]] 등의 CDN에서 단 한 번만 요청된 객체(one-hit wonder)를 식별하여 캐시 오염(cache pollution)을 방지한다. 블룸 필터에 요청 URL을 기록하고, 두 번째 요청 시에만 실제 캐시에 저장하는 방식이다. 이 기법으로 Akamai는 캐시 효율을 크게 향상시켰다고 발표했다.

=== 웹 브라우저 ===

==== Google Chrome의 Safe Browsing ====

[[Google Chrome]]은 악성 URL 목록(피싱, 멀웨어 배포 등)을 블룸 필터로 로컬에 저장한다. 사용자가 URL을 방문하려 할 때:

# 로컬 블룸 필터를 조회한다.
# '''확실히 없음''' → 안전한 URL, 네트워크 요청 불필요.
# '''아마도 있음''' → Google 서버에 실제 확인 요청.

전체 악성 URL 목록이 수천만 건임에도, 로컬 블룸 필터는 수 MB에 불과하다. 네트워크 요청을 대부분 생략할 수 있어 프라이버시도 보호되고 성능도 향상된다.

=== 블록체인 및 암호화폐 ===

==== Bitcoin SPV (Simplified Payment Verification) ====

[[Bitcoin]] BIP-37에 정의된 블룸 필터 프로토콜은 경량 클라이언트(SPV 클라이언트)가 전체 블록체인을 다운로드하지 않고도 자신과 관련된 트랜잭션만 필터링하여 받을 수 있도록 한다. 클라이언트는 관심 있는 주소들로 구성된 블룸 필터를 풀 노드에 전송하고, 풀 노드는 해당 필터를 통과하는 트랜잭션만 전달한다.

단, 블룸 필터가 지갑 주소를 어느 정도 노출한다는 프라이버시 우려로 인해 이후 [[Compact Block Filters]](BIP-157/158)로 대체 추세다.

=== 스팸 필터링 ===

이메일 스팸 필터에서 알려진 스팸 발신자 주소나 스팸 키워드 목록을 블룸 필터에 저장하여 빠른 선별 처리가 가능하다. 거짓 긍정(정상 메일을 스팸으로 오인)이 발생할 수 있으나, 오탐률을 충분히 낮게 설정하면 실용적이다.

=== 분산 시스템 ===

==== 캐시 관통(Cache Penetration) 방지 ====

[[Redis]], [[Memcached]] 같은 분산 캐시 앞단에 블룸 필터를 두어 '''캐시 관통(Cache Penetration)'''을 방지한다. 데이터베이스에도 없는 키에 대한 요청이 반복될 때, 블룸 필터가 "확실히 없음"을 반환하여 DB까지의 불필요한 요청을 차단한다.

==== Google Bigtable ====

[[Google Bigtable]]의 SSTable 구현에서 블룸 필터를 사용하여 읽기 성능을 향상시킨다. 이는 후에 Cassandra, HBase 등이 채택한 패턴의 원형이다.

=== 생물정보학 (Bioinformatics) ===

DNA 염기서열 분석에서 대규모 k-mer 집합(게놈 데이터에서 추출한 길이 k의 부분 문자열)의 존재 여부를 빠르게 확인하는 데 블룸 필터가 사용된다. 단일 게놈의 k-mer 수가 수십억 개에 달할 수 있어, 메모리 효율이 결정적이다. [[Jellyfish]], [[Khmer]], [[Squeakr]] 같은 생물정보학 도구들이 블룸 필터를 핵심으로 사용한다.

=== 추천 시스템 ===

이미 사용자에게 추천한 아이템을 블룸 필터에 기록하여, 중복 추천을 방지한다. 수억 명의 사용자 × 수억 개의 아이템 조합을 모두 정확히 저장하면 엄청난 공간이 필요하지만, 블룸 필터를 사용하면 몇 MB 수준으로 관리할 수 있다.