哈希的应用—位图、布隆过滤器

最新推荐文章于 2024-10-05 12:07:50 发布

_the_sun

最新推荐文章于 2024-10-05 12:07:50 发布

阅读量953

点赞数 19

分类专栏： c++ 文章标签： c++

本文链接：https://blog.csdn.net/2303_79336820/article/details/142546581

版权

c++ 专栏收录该内容

20 篇文章 0 订阅

订阅专栏

一、位图的概念

1. 面试题
        给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在
这40亿个数中。
        1. 遍历，时间复杂度O(N)
        2. 排序(O(NlogN))，利用二分查找: logN
        3. 位图解决
        数据是否在给定的整形数据中，结果是在或者不在，刚好是两种状态，那么可以使用一
个二进制比特位来代表数据是否存在的信息，如果二进制比特位为1，代表存在，为0代表不存在。比如：

2. 位图概念
所谓位图，就是用每一位来存放某种状态，适用于海量数据，数据无重复的场景。通常是用
来判断某个数据存不存在的。

二、位图的实现

#include<vector>
#include<iostream>
using namespace std;


namespace hmy
{
	//这里的N是指的需要多少个比特位
	template<size_t N>
	class bit_set
	{
	public:
		//构造函数
		bitset()
		{
			_bits.resize(N/sizeof(int)+1, 0);
		}

		//把对应的位置1(映射)
		void set(size_t x)
		{
			size_t i = x / 32;//在第几个整型上
			size_t j = x % 32;//在这个整型的第几个位上
			_bits[i] |= (1<<j);//左移指的是往高位移
		}

		void reset(size_t x)
		{
			size_t i = x / 32;
			size_t j = x % 32;
			_bits[i] &= (~(1 << j));
		}

		bool test(size_t x)
		{
			size_t i = x / 32;
			size_t j = x % 32;
			return _bits[i] &= (1<<j);
		}

	private:
		vector<int> _bits;
	};
}

三、位图的应用

        1. 快速查找某个数据是否在一个集合中
        2. 排序 + 去重
        3. 求两个集合的交集、并集等
        4. 操作系统中磁盘块标记

四、布隆过滤器

        我们在使用新闻客户端看新闻时，它会给我们不停地推荐新的内容，它每次推荐时要去重，去掉那些已经看过的内容。问题来了，新闻客户端推荐系统如何实现推送去重的？用服务器记录了用户看过的所有历史记录，当推荐系统推荐新闻时会从每个用户的历史记录里进行筛选，过滤掉那些已经存在的记录。如何快速查找呢？
        1. 用哈希表存储用户记录，缺点：浪费空间
        2. 用位图存储用户记录，缺点：位图一般只能处理整形，如果内容编号是字符串，就无法处理了。
        3. 将哈希与位图结合，即布隆过滤器

（1）布隆过滤器的概念

布隆过滤器是由布隆（Burton Howard Bloom）在1970年提出的一种紧凑型的、比较巧妙的概率型数据结构，特点是高效地插入和查询，可以用来告诉你 “某样东西一定不存在或者可能存
在”，它是用多个哈希函数，将一个数据映射到位图结构中。此种方式不仅可以提升查询效率，也
可以节省大量的内存空间。

（2）布隆过滤器的实现

布隆过滤器其实就是一个值映射到多个地址，可以用位图来实现。

但是布隆过滤器有一个问题：可能判断不准，因为别人也有可能映射到该地址。

#include<bitset>
#include<string>
using namespace std;


//默认仿函数
template<class K>
struct BKDRHash
{
	size_t operator()(const K& key)
	{
		size_t hash = 0;
		for (auto e:key)
		{
			hash *= 31;hash += e;
		}
		return hash
	}
};

template<size_t N,class K=string,class HashFunc1,class HashFunc2,class HashFunc3>
class BloomFilter
{
public:
	void set(const K& key)
	{
		size_t hash1 = HashFunc1()(key) % N;
		size_t hash2 = HashFunc2()(key) % N;
		size_t hash3 = HashFunc3()(key) % N;

		_bs.set(hash1);
		_bs.set(hash2);
		_bs.set(hash3);
	}

	bool Test(const K& key)
	{
		//不在一定是准确的
		size_t hash1 = HashFunc1()(key) % N;
		if (_bs.test(hash1)==false)
		{
			return false;
		}
		size_t hash2 = HashFunc2()(key) % N;
		if (_bs.test(hash2) == false)
		{
			return false;
		}
		size_t hash3 = HashFunc3()(key) % N;
		if (_bs.test(hash3) == false)
		{
			return false;
		}

		//三个值都在，也不一定在，但是存在误判
		return true;
	}

	//reset默认是不支持的，因为一个key有多个位置来映射，
	//但是别人也映射到这个位置呢？你一旦删除了这个值，就影响到了别人的映射
	//不过可以考虑引用计数，但是此时这个位不能是比特位了，因为一个比特位只能存0/1，这样空间消耗就增大了
	//void reset(const K& key);
	

private:
	bitset<N> _bs;
};

布隆过滤器的查找

布隆过滤器的思想是将一个元素用多个哈希函数映射到一个位图中，因此被映射到的位置的比特位一定为1。所以可以按照以下方式进行查找：

分别计算每个哈希值对应的比特位置存储的是否为零，只要有一个为零，代表该元素一定不在哈希表中，否则可能在哈希表中。
注意：布隆过滤器如果说某个元素不存在时，该元素一定不存在，如果该元素存在时，该元素可
能存在，因为有些哈希函数存在一定的误判。
比如：在布隆过滤器中查找"alibaba"时，假设3个哈希函数计算的哈希值为：1、3、7，刚和其他元素的比特位重叠，此时布隆过滤器告诉该元素存在，但实该元素是不存在的。

布隆过滤器的删除

布隆过滤器不能直接支持删除工作，因为在删除一个元素时，可能会影响其他元素。
比如：删除上图中"tencent"元素，如果直接将该元素所对应的二进制比特位置0，“baidu”元素也
被删除了，因为这两个元素在多个哈希函数计算出的比特位上刚好有重叠。
一种支持删除的方法：将布隆过滤器中的每个比特位扩展成一个小的计数器，插入元素时给k个计
数器(k个哈希函数计算出的哈希地址)加一，删除元素时，给k个计数器减一，通过多占用几倍存储
空间的代价来增加删除操作。
缺陷：
1. 无法确认元素是否真正在布隆过滤器中
2. 存在计数回绕

（3）布隆过滤器的优缺点

优点

1. 增加和查询元素的时间复杂度为:O(K), (K为哈希函数的个数，一般比较小)，与数据量大小无
关
2. 哈希函数相互之间没有关系，方便硬件并行运算
3. 布隆过滤器不需要存储元素本身，在某些对保密要求比较严格的场合有很大优势
4. 在能够承受一定的误判时，布隆过滤器比其他数据结构有这很大的空间优势
5. 数据量很大时，布隆过滤器可以表示全集，其他数据结构不能
6. 使用同一组散列函数的布隆过滤器可以进行交、并、差运算