布隆过滤器
2016-02-23 11:02
381 查看
哈希函数
哈希函数(Hash)是将一个大的数据集映射到一个小的数据集上,这些小的数据集叫做哈希值或散列值。一个应用是Hash table(散列表,也叫哈希表),是根据哈希值 (Key value) 而直接进行访问的数据结构。也就是说,它通过把哈希值映射到表中一个位置来访问记录,以加快查找的速度。下面是一个典型的 hash 函数 / 表示意图:
哈希函数有两个特点:
如果根据同一个散列函数得到的两个散列值不相同,那么这两个散列值的原始输入也是不相同的。
散列函数的输入和输出不是一一对应的关系,如果两个散列值相同,两个输入值很可能是相同,但也有可能不同,这种情况称为“散列碰撞”或“散列冲突”。
哈希函数的缺点是空间效率不高。
布隆过滤器
布隆过滤器(Bloom Filter)是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法,缺点是有一定的误识别率和删除困难。如果想判断一个元素是否在一个集合中,一般是将集合中的所有元素保存起来,然后通过比较确定,比如链表、树、哈希表等。但是随着集合中的元素的增加,我们需要的存储空间也越来越大,同时检索的速度也越来越慢,上述三种数据结构的检索时间复杂度分别为O(n),O(logn),O(n/k)。
布隆过滤器的原理是,当一个元素被加入集合时,通过K个散列函数将这个元素映射成一个位数组中的K个点,把它们置为1。检索时,我们只要看看这些点是不是都是1就(大约)知道集合中有没有它了:如果这些点有任何一个0,则被检元素一定不在;如果都是1,则被检元素很可能在。
一般情况下不能从布隆过滤器中
删除元素. 我们很容易想到把位数组变成整数数组,每插入一个元素相应的计数器加 1, 这样删除元素时将计数器减掉就可以了。然而要保证安全地删除元素并非如此简单。首先我们必须保证删除的元素的确在布隆过滤器里面. 这一点单凭这个过滤器是无法保证的。另外计数器回绕也会造成问题。
代码实现:
public class BloomFilter { /* BitSet初始分配2^24个bit */ private static final int DEFAULT_SIZE = 1 << 25; /* 不同哈希函数的种子,一般应取质数 */ private static final int[] seeds = {5, 7, 11, 13, 31, 37, 61}; private SimpleHash[] funcs = new SimpleHash[seeds.length]; private BitSet bits = new BitSet(DEFAULT_SIZE); public static class SimpleHash { private int cap; private int seed; public SimpleHash(int cap, int seed) { this.cap = cap; this.seed = seed; } public int hash(String value) { int result = 0; int len = value.length(); for (int i = 0; i < len; ++i) result = seed * result + value.charAt(i); return (cap - 1) & result; } } public BloomFilter() { for (int i = 0; i < seeds.length; ++i) funcs[i] = new SimpleHash(DEFAULT_SIZE, seeds[i]); } /** * 将字符串标记到bit中 * * @param value */ public void add(String value) { for (SimpleHash func : funcs) bits.set(func.hash(value), true); } public void putIfAbsent(String value) { if (contains(value)) add(value); } public boolean contains(String value) { if (value == null) return false; boolean ret = true; for (SimpleHash func : funcs) ret = ret && bits.get(func.hash(value)); return ret; } }
相关文章推荐
- 几种设计模式 (WPF MVP MVVM )
- 第一章 遇见HADOOP 第二节 数据存储与分析(hadoop:the definitive guide)
- php中常用的处理字符串的函数
- 计算机网络知识点回顾
- Hdu 2026 首字母大写
- JS实现的仿QQ空间图片弹出效果代码
- UICollectionView入门--使用系统UICollectionViewFlowLayout布局类
- Xcode 重构功能的使用
- Java内部类详解
- Alpha、Beta、RC、GA版本的区别
- 【dobbo】服务配置详解(解决超时重试问题)
- Log4J日志配置详解
- Android 安全机制一:allowBackup安全风险描述
- Oracle 11g internals part 1: Automatic Memory Management
- android 应用完全退出
- bonjour
- eerTyraniBfohtpeDmuminiM.111
- 常用
- quick3.3使用tolua工具导出C++到lua所遇问题记录
- 226. Invert Binary Tree