布隆过滤器原理

Posted 2021-01-22 chinano1

简介：　　

　　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。

基本思想：

　　如果想要判断一个元素是不是在一个集合里，一般想到的是将所有元素保存起来，然后通过比较确定。链表，树等等数据结构都是这种思路. 但是随着集合中元素的增加，我们需要的存储空间越来越大，检索速度也越来越慢(O(n),O(logn))。不过世界上还有一种叫作散列表（又叫哈希表，Hash table）的数据结构。它可以通过一个Hash函数将一个元素映射成一个位阵列（Bit array）中的一个点。这样一来，我们只要看看这个点是不是1就可以知道集合中有没有它了。这就是布隆过滤器的基本思想。 Hash面临的问题就是冲突。假设Hash函数是良好的，如果我们的位阵列长度为m个点，那么如果我们想将冲突率降低到例如 1%, 这个散列表就只能容纳m / 100个元素。显然这就不叫空间效率了（Space-efficient）了。解决方法也简单，就是使用多个Hash，如果它们有一个说元素不在集合中，那肯定就不在。如果它们都说在，虽然也有一定可能性它们在说谎，不过直觉上判断这种事情的概率是比较低的。

优点：

　　相比于其它的数据结构，布隆过滤器在空间和时间方面都有巨大的优势。布隆过滤器存储空间和插入/查询时间都是常数。另外, Hash函数相互之间没有关系，方便由硬件并行实现。布隆过滤器不需要存储元素本身，在某些对保密要求非常严格的场合有优势。

布隆过滤器可以表示全集，其它任何数据结构都不能。

缺点：

　　但是布隆过滤器的缺点和优点一样明显。误算率是其中之一。随着存入的元素数量增加，误算率随之增加。但是如果元素数量太少，则使用散列表足矣。

　　另外，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列阵变成整数数组，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。然而要保证安全的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。

 

 使用示例：

引入jar包

<dependency>
      <groupId>com.google.guava</groupId>
      <artifactId>guava</artifactId>
      <version>21.0</version>
</dependency>

代码示例：

 1 public class BloomFilterDemo {
 2     private static final int insertions = 1000000;
 3 
 4     public static void main(String[] args) {
 5         //初始化一个存储string的布隆过滤器，初始大小100w 默认误判率是0.03
 6         BloomFilter<String> bf = BloomFilter.create(Funnels.stringFunnel(UTF_8), insertions,0.01);
 7         //用于存放所有实际存在的key，判断key是否存在
 8         Set<String> sets = new HashSet<>();
 9         //用于存放所有实际存在的key，可以取出使用
10         List<String> list = new ArrayList<>(insertions);
11         //向三个容器初始化100w个随机并且唯一的字符串
12         for (int i = 0; i < insertions; i++) {
13             String uuid = UUID.randomUUID().toString();
14             bf.put(uuid);
15             sets.add(uuid);
16             list.add(uuid);
17         }
18 
19         int right = 0;//正确判断的次数
20         int wrong = 0;//错误判断的次数
21         for (int i = 0; i < 10000; i++) {
22             String data = i % 100 == 0 ? list.get(i / 100) : UUID.randomUUID().toString();
23             if (bf.mightContain(data)) {
24                 if (sets.contains(data)){
25                     // 判断实际存在
26                     right++;
27                     continue;
28                 }
29                 //布隆过滤器判断存在，但实际不存在
30                 wrong++;
31             }
32         }
33         float percent = (float)wrong / 9900;
34         System.out.println("100个实际存在的元素，判断存在的：" + right);
35         System.out.println("9900个实际不存在的元素，误认为存在的：" + wrong + "，误判率：" + percent);
36     }
37 }

输出结果：

100个实际存在的元素，判断存在的：100
9900个实际不存在的元素，误认为存在的：97，误判率：0.00979798