Bloom Filter

Bloom filter

布隆过滤器（英语：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。Bloom filter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远远超过一般的算法，缺点是有一定的误识别率和删除困难。

基本概念

如果想判断一个元素是不是在一个集合里，一般想到的是将集合中所有元素保存起来，然后通过比较确定。链表、树、散列表（又叫哈希表，Hash table）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。同时检索速度也越来越慢，上述三种结构的检索时间复杂度分别为 $O(n),O(\log n),O(n/k)$。

布隆过滤器的原理是，当一个元素被加入集合时，通过K个散列函数将这个元素映射成一个位数组中的K个点，把它们置为1。检索时，我们只要看看这些点是不是都是1就（大约）知道集合中有没有它了：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能在。这就是布隆过滤器的基本思想。

Bloom Filter 是快速但是不精确的。存在false positive，但是绝对不会false negative。如果一个元素在Bloom Filter中，那么返回的一定为真；反之，也可能返回为真。

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$O(k)$。

• 散列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

• 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数组变成整数数组，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。然而要保证安全地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。两个Bloom Filter也无法合并成一个。

False Positive Rate

令$k$代表Bloom Filter使用的散列函数个数（即元素会被映射到几个位上，$n$表示Bloom Filter中元素个数，$N$代表Bloom Filter的大小。设$p$为Bloom Filter中某一位为1的概率，那么有一新元素x，

$$P[x\ is\ reported\ to\ be\ in\ the\ set] = p^k$$
$$p \leq \frac{n·k}{N}$$

n次插入之后， BF中 某一位还是0的概率为：

$$(1-\frac{1}{N})^{nk} = (\frac{1}{e})^{\frac{nk}{N}}$$
则某一位为1的概率为：
$$1- (\frac{1}{e})^{\frac{nk}{N}}$$
则k位都是1，也就是误报概率为
$$(1- (\frac{1}{e})^{\frac{nk}{N}})^k$$