布隆过滤器的基本原理和使用

Posted powerjiajun

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了布隆过滤器的基本原理和使用相关的知识,希望对你有一定的参考价值。

工作中遇到一个需求,需要从词库中快速判断某个关键字是否存在,词库大小不超过百万,当时脑子第一反应是用hash表相关数据结构,和同事一交流,同事推荐用布隆过滤器,查询效率不输hashmap,而且非常节省存储空间。经过研究发现布隆过滤器挺好用的,这篇文章来说说三点:
1.什么是布隆过滤器。
2.布隆过滤器基本原理。
3.布隆过滤器的使用方式。

1.什么是布隆过滤器?

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比一般的算法要好的多,缺点是有一定的误识别率和删除困难。

2.布隆过滤器的基本原理

a.下图是一个初始化后的长度为11的布隆过滤器结构,可以看成一个数组,还未放入任何数据,所有位的值都是0。
技术图片

b.假如有三个hash函数(hash1、hash2、hash3)此时我们添加一个关键字进去,假设我们添加一个字母"a",通过三个hash函数分别求出2、5、6,于是把下标为2、5、6的值都改为1。
技术图片

c.此时我们根据字母"a"去布隆过滤器查找,判断a是否存在的流程如下图,由于对a进行三个hash函数取模得到的2、5、6下标的值都是1,说明这个a大概率已经存在了(为什么是大概率呢?因为布隆过滤器是一种概率型数据结构,存在非常小的误判几率,不能判断某个元素一定百分之百存在,所以只能用在允许有少量误判的场景,不能用在需要100%精确判断存在的场景)。
如果使用字母b进行查找,三个hash函数取模得到的是7、8、9或者3、5、6,发现这些下标对应的值都不全部是1,则判定为不存在。

技术图片

相对于HashMap的优点:
布隆过滤器节省空间,无需存储全部数据,只需要将多个hash函数取模得到的下标对应位置的值改为1即可,无需存储全部数据,是一种极度节省存储空间的数据结构。

相对于HashMap的缺点:
布隆过滤器无法做到100%精确判断,而HashMap可以。

3.布隆过滤器的使用

3.1引入guava依赖

        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>19.0</version>
        </dependency>

3.2 如下是使用示例

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

public class BloomFilterTester {
	
    private static int size = 1000000;//预计要插入多少数据

    private static double fpp = 0.01;//期望的误判率

    private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, fpp);

    public static void main(String[] args) {
    	long time = System.currentTimeMillis();
        //插入数据
        for (int i = 0; i < size; i++) {
        	// 向布隆过滤器添加数据,类似HashMap.put(key, data)方法
            bloomFilter.put(i);
        }
        System.out.println("初始化耗时:" + (System.currentTimeMillis() - time));
        
        time = System.currentTimeMillis();
        int count = 0;
        for (int i = 0; i < size; i++) {
        	// 如果布隆过滤器存在对应元素,类似HashMap.contains(key)方法
            if (bloomFilter.mightContain(i)) {

            } else {
            	System.out.println(i + "误判了");
            	count++;
            }
        }
        System.out.println("总共的误判数:" + count);
        System.out.println(size + "次查询耗时:" + (System.currentTimeMillis() - time));
    }








以上是关于布隆过滤器的基本原理和使用的主要内容,如果未能解决你的问题,请参考以下文章

BloomFilter 布隆过滤器思想原理和代码实现

Bloom Filter(布隆过滤器)的概念和原理

布隆过滤器

用Python实现一个大数据搜索及源代码

高级数据结构 ---- 跳跃表布隆过滤器一致性哈希雪花算法

高级数据结构 ---- 跳跃表布隆过滤器一致性哈希雪花算法