写作不易,转载请注明出处:
http://blog.csdn.net/wbin233/article/details/78730977,谢谢。
简介
说起基数估计算法的始祖,或许就是由Flajolet和Martin大佬发表的论文《 Probabilistic counting algorithms for data base applications 》开始的吧。他们提出在大数据中基于概率来估计基数的算法,江湖人称 FM-sketch算法。
基础版
首先定义一个hash函数:
function hash(x): -> [0,1,2,...,2L−1] ,该函数能将元素均匀地映射到该区间内。
再定义bit函数:
bit(y, k) 表示 y的二进制表示第k个bit数值(0或1).
即 y=∑k≥0bit(y,k)2k.
定义tail(y)表示y的二进制表示中末尾出现第一个1的位置(从0开始计数),即连续0的个数:
tail(y)={
minbit(y,k)≠0,L,if y>0if y=0
定义BITMAP[0…L-1]数组,BITMAP[i] 表示在可重复集合M中有一个数经过hash后呈现 ...10i ,即该hash值的二进制表示中末尾有连续i个0.
具体BITMAP的计算如下:
for i :=