簡介
布隆過濾器(Bloom Filter)是1970年由布隆提出的。它實際上是一個很長的二進制向量和一系列隨機映射函數。布隆過濾器可以用於檢索一個元素是否在一個集合中。它的優點是空間效率和查詢時間都比一般的算法要好的多,缺點是有一定的誤識別率和刪除困難。
算法思想
如果想要判斷一個元素是不是在一個集合裏,一般想到的是將所有元素保存起來,然後通過比較確定。鏈表,樹等等數據結構都是這種思路. 但是隨着集合中元素的增加,我們需要的存儲空間越來越大,檢索速度也越來越慢(O(n),O(logn))。
不過世界上還有一種叫作散列表(又叫哈希表,Hash table)的數據結構。它可以通過一個Hash函數將一個元素映射成一個位陣列(Bit array)中的一個點。
這樣一來,我們只要看看這個點是不是 1 。有如下兩種情況:
1、如果不是 1 , 也就是 0, 那麼該元素必定不存在。
2、如果都是1, 也只能說,該元素大概率存在。
這就是布隆過濾器的基本思想。
Hash面臨的問題就是衝突。假設Hash函數是良好的,如果我們的位陣列長度爲m個點,那麼如果我們想將衝突率降低到例如 1%, 這個散列表就只能容納 m / 100 個元素,顯然,這就不叫空間效率了(Space-efficient)了。
解決方法也簡單,就是使用多個Hash function,如果它們有一個說元素不在集合中,那肯定就不在。如果它們都說在,雖然也有一定可能性它們在說謊,不過直覺上判斷這種事情的概率是比較低的。
應用場景
網頁URL的去重,垃圾郵件的判別,集合重複元素的判別,查詢加速(比如基於key-value的存儲系統)、數據庫防止查詢擊穿, 使用BloomFilter來減少不存在的行或列的磁盤查找。
java代碼實現
public class MyBloomFilter {
/**
* 一個長度爲10 億的比特位
*/
private static final int DEFAULT_SIZE = 256 << 22;
/**
* 爲了降低錯誤率,使用加法hash算法,所以定義一個8個元素的質數數組
*/
private static final int[] seeds = {3, 5, 7, 11, 13, 31, 37, 61};
/**
* 相當於構建 8 個不同的hash算法
*/
private static HashFunction[] functions = new HashFunction[seeds.length];
/**
* 初始化布隆過濾器的 bitmap
*/
private static BitSet bitset = new BitSet(DEFAULT_SIZE);
/**
* 添加數據
*
* @param value 需要加入的值
*/
public static void add(String value) {
if (value != null) {
for (HashFunction f : functions) {
//計算 hash 值並修改 bitmap 中相應位置爲 true
bitset.set(f.hash(value), true);
}
}
}
/**
* 判斷相應元素是否存在
* @param value 需要判斷的元素
* @return 結果
*/
public static boolean contains(String value) {
if (value == null) {
return false;
}
boolean ret = true;
for (HashFunction f : functions) {
ret = bitset.get(f.hash(value));
//一個 hash 函數返回 false 則跳出循環
if (!ret) {
break;
}
}
return ret;
}
/**
* 測試。。。
*/
public static void main(String[] args) {
for (int i = 0; i < seeds.length; i++) {
functions[i] = new HashFunction(DEFAULT_SIZE, seeds[i]);
}
// 添加1億數據
for (int i = 0; i < 100000000; i++) {
add(String.valueOf(i));
}
String id = "123456789";
add(id);
System.out.println(contains(id)); // true
System.out.println("" + contains("234567890")); //false
}
}
class HashFunction {
private int size;
private int seed;
public HashFunction(int size, int seed) {
this.size = size;
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);
}
int r = (size - 1) & result;
return (size - 1) & result;
}
}