布隆过滤器简书,布隆过滤器改进

布隆过滤器简书,布隆过滤器改进

NetworkApplicationsofBloomFilters：ASurveyhttp://eecs.harvard.edu/~michaelm/postscripts/im2005b.pdfhttp://eecs.harvard.edu/~michaelm/另外，哈希函数的数量也需要权衡，数量越大，Bloomfilter位位置设置为1越快，Bloomfilter的效率就越低；但如果数量太少，我们的误报率将会更高。 图像基斯

BloomFilter是由Bloomin于1970年提出的。 它实际上是沿着二进制向量和一系列随机映射函数。 布隆过滤器可用于检索元素是否在集合中。 它的好处是，Bloomfilter出现的原因是你首先需要了解缓存和缓存穿透的概念。用你自己的话说，B端、redis和数据库之间有这样的关系：B端-->REDIS缓存-->DB数据

布隆过滤器适合非数值比较（误判），当一个元素被添加到集合中时，元素通过KHash函数映射到K个位数组（Bitarray）中，并且它们被设置为1。 那也就是说，布隆过滤器可以用来做什么？布隆过滤器可以用来判断一个元素是否属于一个集合，比如在大集合A中，是否有值a。 由于哈希碰撞（两个不同输入值的哈希值相同​​​​

2.Bloomfilter的基本原理a。下图是一个初始化的Bloomfilter结构体，长度为11，可以看成是一个数组，没有放置任何数据，所有bit的值为0。 还没有放入数据的Bloomfilter。如果有3个hash函数(h)，Bloomfilter的长度会直接影响误报率，Bloomfilter越长，误报率越小。另外，hash函数的个数需要权衡一下。个数越多，Bloomfilter的位位置设置为1的速度越快，Bloomfilter的效率就越低；但是如果

在编程的世界里，布隆过滤器是程序员的强大工具，可以快速解决项目中的一些比较棘手的问题。 例如网页URL去重、垃圾邮件识别、大型集合中重复元素的判断等，而Bloomfilter在NoSQL数据库领域被广泛使用。HBase、Cassandra、LevelDB、RocksDB我们通常使用内部有Bloomfilter的结构，Bloomfilter可以显着减少数据库的占用