计数布隆过滤器

  根据前面的介绍普通的布隆过滤器，是将多个元素同时映射到同一个哈希空间的中的bit位，进而一个bit位就有很大的可能性映射了多个元素，所以无法有效的删除哈希空间中的某一个元素，因为按照上述所说一旦删除了某一个元素极有可能影响其它的元素，进而可得普通的布隆过滤器无法支持删除元素。在2000年Li Fan等人发表了一篇关于新ICP协议的论文Summary Cache: A Scalable Wide-Area Web Cache Sharing Protocol，并在论文中使用了带计数的布隆过滤器（Count Bloom Filter），以此来弥补普通布隆过滤器不支持删除的缺陷。
  计数布隆过滤器（Count Bloom Filter）的原理：

• 定义：同样和普通布隆过滤器一样先给定一个N * Mbits长度的哈希空间。（PS：M 是用来存计数的位大小，如取 4，则最大计数为15。）
• 插入：将给定的元素交给d个哈希函数处理，每个哈希函数处理后都将映射到哈希空间的一个位置上，然后再在对此位置的计数值+1
• 删除：将给定的元素交给d个哈希函数处理，每个哈希函数处理后都将映射到哈希空间的一个位置上，直接对该位置的计数值-1；如果-1后小于0就直接取0
• 判断存在：与普通布隆过滤器的处理方式一样

  综上，计数布隆过滤器和普通布隆过滤器的区别，只是将普通布隆过滤器单纯讲映射位置置为0或者1，改为了一个计数器，插入就对其+1，删除就对其-1。
  正如下图所示，要映射hello和world两个单词，

1. hello经过两个哈希函数后得到位置1和5，并将其位置的计数器+1
2. world进过两个哈希函数后得到位置1和8，因为1位子的计数器已经有值，所以此时+1就变成了2

ICP（Internet Cache Protocol）

  Internet Cache Protocol是1995年开发的基于UDP的协议，允许代理服务器阵列通过网络进行通信和协同工作，即单个代理服务器查询相邻的代理服务器，以尝试找到所请求对象的缓存副本。
  换言之，传统的网络缓存服务器会根据过期时间，缓存一批最近访问URL的网页信息。如果用户再次访问相同的URL，就可以直接从缓存中返回给用户，无需再经过网络路由请求。如果用户访问的代理服务器没有缓存该URL，还会继续向相邻的代理服务器发出请求，只要当所有代理服务器都返回没有找到之后才会放弃缓存查找。
  传统的Internet Cache Protocol需要缓存的页面信息很大，所以都是缓存在本地磁盘中。

  如上图所示：

1. 客户端访问URL会先打到某一个代理服务器，这个代理服务器在分层上可以是父子关系，也可以是兄弟关系
2. 如果打到的代理服务器上没有找到对应URL的缓存，此时就会将这个访问请求发送给这个代理服务器的父代理服务器；如找到就直接返回
3. 父代理服务器会做一个统揽的请求、缓存和传递访问请求，直到找到缓存或确认没有缓存为止

  Internet Cache Protocol协议设计相对轻量级，旨在用于不可靠但快速的连接，以最大限度地减少缓存之间的往返时间。但是由此也就有了以下缺点：

• ICP阵列使用查询来确定缓存信息的位置，需要产生额外的网络流量
• ICP阵列具有可扩展性，即阵列中的代理服务器越多，生成的查询流量就越多
• ICP阵列缓存的数据高度冗余，每个缓存都包含类似的信息（最常访问站点的URL）

使用Count Bloom Filter的Internet Cache Protocol

  从论文Summary Cache: A Scalable Wide-Area Web Cache Sharing Protocol上来看主要是针对上述提高的传统Internet Cache Protocol的三个缺点来进行的优化改进，首先引入Count Bloom Filter来替代以前缓存整个URL信息，从而降低了数据大小和冗余量；其次因为降低了数据量和冗余量，所以就可以不再将缓存放入磁盘中，而是放入内存中，从而降低Web缓存代理带宽和网络流量；最后引入Count Bloom Filter后每个代理服务器可以将其数据存储在内存中，各个代理服务器就可以向其它代理服务器同步自己的Count Bloom Filter数据，从而就无需进行大量的查询流量转发。
  原论文中给出了完整的证明过程，这里就不再进行累述，如感兴趣可自行阅读Summary Cache: A Scalable Wide-Area Web Cache Sharing Protocol。

  处理逻辑如上图所示：

1. 因为经过数据同步之后，每个代理服务器都有全量的Count Bloom Filter数据，所以客户端的请求只需要在代理服务器A上查找是否命中缓存即可。
2. 代理服务器A查询到命中缓存且内容在代理服务器B上，于是将请求转发给代理服务器B
3. 代理服务器B得到请求后获取缓存内容返回给代理服务器A，进而返回给客户端