【数据结构】布隆过滤器的简单实现

最新推荐文章于 2024-10-07 10:23:33 发布

Qregi

最新推荐文章于 2024-10-07 10:23:33 发布

阅读量1.5k

点赞数 1

分类专栏：【数据结构】C语言版文章标签：哈希表位图数据结构

本文链接：https://blog.csdn.net/Qregi/article/details/79443499

版权

布隆过滤器是一种空间效率高的概率型数据结构，用于判断一个元素是否可能在一个集合中。其由位图和多个独立的哈希函数组成，通过哈希函数将元素映射到位图中，可能存在误判但无法删除。适用于数据字典、判重和集合交集场景。本文介绍了布隆过滤器的基本原理并提供了C语言实现。

摘要由CSDN通过智能技术生成

布隆过滤器的简单实现

布隆过滤器（BloomFilter）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。

布隆过滤器（Bloom Filter）的适用范围如下：

实现数据字典，数据的判重，或者集合求交集

基本原理如下：

它的内容是，一个位图加上ｋ个独立的hash函数，通过k个hash函数，可以得到ｋhash函数对应的值，

然后把这些hash函数对应的值存入位图中（把具体的某一位置为１），然后查找时，通过判断ｋ个hash

函数对应的位是不是为１，如果有一个为１，就代表该元素不存在，如果全为１，则该元素很可能存在

结构体代码如下：

#define HASHFUNCMAXSIZE 2
#define BitMapCapacity 1024

typedef struct BitMap{
	uint64_t* data;
	size_t capacity;
}BitMap;


/*字符串哈希函数*/
typedef size_t(*HashFunc)(const char*);

typedef struct BloomFilter{
	BitMap bitmap;
	HashFunc hash_func[HASHFUNCMAXSIZE];
}BloomFilter;

接下来看具体怎么实现：

初始状态时，有一个包含ｍ位的数组每一位都设置为０：

初始化代码如下：

/*哈希函数*/
size_t hashfunc0(const char* str) {
	assert(str);
	size_t hash = 0;
	size_t ch = 0;
	while (ch = (size_t)*str++) {
		hash = hash * 131 + ch;
	}
	return hash;
}

size_t hashfunc1(const char* str) {
	assert(str);
	size_t hash = 0;
	size_t ch = 0;
	while (ch = (size_t)*str++) {
		hash = hash * 65599 + ch;
	}
	return hash;
}

/*初始化布隆过滤器*/
void BloomFilterInit(BloomFilter* bf) {
	if (bf == NULL) {
		return;
	}
	/*初始化位图*/
	BitMapInit(&bf->bitmap, BitMapCapacity);
	/*初始化哈希函数*/
	bf->hash_func[0] = hashfunc0;
	bf->hash_func[1] = hashfunc1;
}

我这里只用了两个哈希函数，比较少，容易出现哈希冲突

继续解释布隆过滤器，为了表达S={x₁, x₂,…,x_n}这样一个