概念:
布隆过滤器是由布隆(Burton Howard Bloom)在1970年提出的 一种紧凑型的、比较巧妙的概率型数据结构,特点是高效地插入和查询,可以用来告诉你 “某样东西一定不存在或者可能存在”,它是用多个哈希函数,将一个数据映射到位图结构中。此种方式不仅可以提升查询效率,也可以节省大量的内存空间。
底层可理解为:hash+bitset;
主要功能:海量数据中查判断一个数据存不存在;
1.插入
eg:向布隆过滤器中插入:“baidu” 和“tencent”
将"baidu"通过三个不同的hash函数映射到bitset中,并将相应的位标记为1.
同理插入“tencent”
2.查找
查找的时候只需要通过hash函数判断hash映射的这些比特位上是否有不为1的位,有则表明该数据一定不存在。 如果映射的这些比特位都为1也不能表示该数据一定存在,只能说有较大概率存在,因为再插入别的数据的时候可能将该bit位标记为1了,并不是这个数据通过映射标记的。
3.删除
布隆过滤器不能直接支持删除工作,因为在删除一个元素时,可能会影响其他元素
比如:删除上图中"tencent"元素,如果直接将该元素所对应的二进制比特位置0,“baidu”元素也被删除了,因为这两个元素在多个哈希函数计算出的比特位上刚好有重叠。
一种支持删除的方法:将布隆过滤器中的每个比特位扩展成一个小的计数器,插入元素时给k个计数器(k个哈希函数计算出的哈希地址)加一,删除元素时,给k个计数器减一,通过多占用几倍存储空间的代价来增加删除操作。
缺陷:
- 无法确认元素是否真正在布隆过滤器中
- 存在计数回绕
布隆过滤器优缺点
优点:
- 增加和查询元素的时间复杂度为:O(K), (K为哈希函数的个数,一般比较小),与数据量大小无关
- 哈希函数相互之间没有关系,方便硬件并行运算
- 布隆过滤器不需要存储元素本身,在某些对保密要求比较严格的场合有很大优势
- 在能够承受一定的误判时,布隆过滤器比其他数据结构有这很大的空间优势
- 数据量很大时,布隆过滤器可以表示全集,其他数据结构不能
- 使用同一组散列函数的布隆过滤器可以进行交、并、差运算
缺点: - 有误判率,即存在假阳性(False Position),即不能准确判断元素是否在集合中(补救方法:再建立一个白名单,存储可能会误判的数据)
- 不能获取元素本身
- 一般情况下不能从布隆过滤器中删除元素
- 如果采用计数方式删除,可能会存在计数回绕问题
模拟代码:
这里为了滤除重复网址,找了三个hash函数来映射。
#include<iostream>
#include<bitset>
#include<vector>
#include<string>
#include<map>
using namespace std;
#define _N 1000
template<class T>
struct KeyToInt1
{
size_t operator()(const T& str)
{
return BKDRHash(str.c_str()) % _N;
}
size_t BKDRHash(const char* str)
{
register size_t hash = 0;
while (size_t ch = (size_t)*str++)
{
hash = hash * 131 + ch;
}
return hash;
}
};
template<class T>
struct KeyToInt2
{
size_t operator()(const T& str)
{
return SDBMHash(str.c_str()) % _N;
}
size_t SDBMHash(const char* str)
{
register size_t hash = 0;
while (size_t ch = (size_t)*str++)
{
hash = 65599 * hash + ch;
}
return hash;
}
};
template<class T>
struct KeyToInt3
{
size_t operator()(const T& str)
{
return RSHash(str.c_str()) % _N;
}
size_t RSHash(const char* str)
{
register size_t hash = 0;
size_t magic = 63689;
while (size_t ch = (size_t)*str++)
{
hash = hash * magic + ch;
magic *= 378551;
}
return hash;
}
};
template<class K,
class hashfcn1 = KeyToInt1<K>,
class hashfcn2 = KeyToInt2<K>,
class hashfcn3 = KeyToInt3<K>>
class BloomFilte
{
public:
BloomFilte() :size(0)
{}
public:
void insert(const K& key)
{
size_t index1 = hashfcn1()(key);
size_t index2 = hashfcn2()(key);
size_t index3 = hashfcn3()(key);
_bmp.set(index1);
_bmp.set(index2);
_bmp.set(index3);
}
bool test(const K& key)
{
size_t index1 = hashfcn1()(key);
if (!_bmp.test(index1))
return false;
size_t index2 = hashfcn2()(key);
if (!_bmp.test(index2))
return false;
size_t index3 = hashfcn3()(key);
if (!_bmp.test(index3))
return false;
return true;
}
private:
bitset<_N> _bmp;
size_t size;
};
void main()
{
string url = "http://www.taobao.com";
string url2 = "http://www.baidu.com";
string url3 = "http://www.taobao.con";
BloomFilte<string> bf;
bf.insert(url.c_str());
cout << bf.test(url) << endl; // 1
cout << bf.test(url3) << endl;
}