布隆过滤器

什么是布隆过滤器

布隆过滤器是由很长的二进制向量和多个随机映射函数组成的，用于判断集合中是否存在某元素。

优点

• 是可以快速的查找和插入
• 占用空间少
  空间存储和查找/插入复杂度都是常数

缺点

不可以删除并且有一定的误差（误差率可由二进制向量的长度和随机映射函数控制，且随着插入元素的增多误差率会扩大）
原因：是因为删除首先要保证元素一定要在这个集合中，但是由于布隆过滤器的误差性，导致无法做到删除元素。

布隆过滤器的实现原理

布隆过滤器是通过hash函数将元素映射到bitArray上的一个点，这样就可以通过判断是否该位置上的数是否为1来判断集合中是否有该元素。而对于多个hash函数来讲，就是将元素通过多个hash函数映射到bitArray上，然后判断这些位是否为1，进行元素的查找。

为什么使用多个hash函数

因为使用hash函数就存在hash冲突的问题，如果是hash函数过少的话，那么发生hash冲突的可能性就越大，那么误差率也会越大。所以要根据预期误差率选择合适的hash函数个数。
比如若我们的hash函数足够优秀（能够随机分配到每一个点），那么在一个hash函数的情况下，某一点为1的概率为1/m，如果有k个函数，那么k个位置都为1的概率为$$(1/m{)}^k$$以次来降低冲突的概率，并且更好的利用空间。当然，hash函数的个数也不能过高，因为这样会导致位的长度不够，误差率增大。
所以要根据位长和误差率决定k的个数。
这个要根据具体的情况，样本集的大小，以及允许的误差率来确定

数学推导

1. 误差率
   设有n个key，位长为m，hash函数的个数是k个，失误率为p
   假设hash函数足够优秀（落在每个点的概率相同），n和k已知，对于一个hash函数，某一位被置为的概率为1/m,不被置于1的概率为$1-\frac{1}{m}$,而对于k个hash函数，某一位不被置于1的概率为$$(1-\frac{1}{m}{)}^k$$插入n个key，某一位不被置为1的概率为$$(1-\frac{1}{m}{)}^{kn}$$则被置为1的概率为 1 − ( 1 − 1 m )