哈希在元素包含测试中的应用

Andrew Zhang
Nov 16, 2017

1、counting bloom filter

counting bloom filter可以解决bloom filter无法删除元素的问题。但是布隆过滤器会因为负载不均衡，浪费很多空间。

2、d-left哈希

以2-left为例，采用两个hash表，T1和T2，分别对应两个hash函数，h1和h2。存储一个key时，分别用两个hash函数h1和h2计算两个位置h1[key]和h2[key]，然后看看两个hash table对应位置有没有空，只要任意一个有空就可以将此key放在对应位置。当采用d对hash表和hash函数时就是d-left哈希。
d-left哈希可以减轻布隆过滤器的负载均衡问题，使得资源利用趋于平衡。

3、cuckoo hash

采用d个哈希函数，当插入一个元素的时候，若d个位置有空，任选一个插入，否则在d个位置中随便找一个，踢走，对被踢走的key，进行重新hash插入，如果被踢走的key的d个hash位置也是全满了，继续踢。。。

4、cuckoo filter

结合cuckoo hash和d-left hash的思路，将资源划分为两块，每一块采用不同的哈希函数。对于一个插入的key，在这两块寻找空的位置插入，若没空就尝试cuckoo思想，踢走，重哈希。cuckoo filter一个改进是在filter中存储的是信息压缩后的指纹，并且重哈希的时候根据保存的指纹就能找到另一个地址。

---

$f=fingerprint(key)$
$pos_1=hash_1(key)$
$pos_2=pos_1 \bigoplus f$

---

参考论文：
Cuckoo Filter: Practically Better Than Bloom