布隆过滤器学习笔记

布隆过滤器的基本概念

历史

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 。布隆过滤器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 。^{[维基百科]}

要解决的问题

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，三者的检索时间复杂度分别为O(n)、O(logn)、O(1)。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^{[维基百科]}

解决的思路

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^{[维基百科]}
① 如果出现0，则被检元素一定不在
② 如果都是1，则被检元素很可能在

优点

1. 相比于其他数据结构，在时间和空间方面都有巨大优势（时空复杂度都为O(k)）
2. 不需要储存元素本身，有较好的保密性
3. 可以表示全集，但其他数据结构不能

缺点

1. 误算率。随着存入元素数量的增加，误算率增加。（如果元素少，可以考虑使用散列表）。因此出现了很多降低误算率的布隆过滤器变种。
2. 不能删除元素。保证安全地删除元素并非如此简单。从布隆过滤器的设计概念来看，它无法保证元素一定存在。