【数据结构】哈希经典应用：布隆过滤器(哈希+位图)——[深度解析]（9）

前言

大家好吖，欢迎来到 YY 滴 数据结构 系列 ，热烈欢迎！ 本章主要内容面向接触过C++的老铁
主要内容含：

欢迎订阅 YY滴C++专栏！更多干货持续更新！以下是传送门！

• YY的《C++》专栏
• YY的《C++11》专栏
• YY的《Linux》专栏
• YY的《数据结构》专栏
• YY的《C语言基础》专栏
• YY的《初学者易错点》专栏
• YY的《小小知识点》专栏

一.布隆过滤器产生的前提

• 我们在使用新闻客户端看新闻时，它会给我们不停地推荐新的内容，它每次推荐时要去重，去掉
  那些已经看过的内容。
• 用服务器记录了用户看过的所有历史记录，当推荐系统推荐新闻时会 从每个用户的历史记录里进行筛选，过滤掉那些已经存在的记录。 如何快速查找呢？

1. 用哈希表存储用户记录，缺点：浪费空间
2. 用位图存储用户记录，缺点：位图一般只能处理整形，如果内容编号是字符串，就无法处理
   了。
3. 将哈希与位图结合，即布隆过滤器

二.布隆过滤器的原理＆基本场景

【1】布隆过滤器的核心原理＆重要性质

• 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 “某样东西可能存在或者一定不存在”，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。

如下图1所示：

• 某样东西可能存在：baidu 与other 通过哈希函数Hash1，Hash2都同时映射到相同位置发生了哈希冲突。所以当我们根据该位置下定义：baidu/Other存在，则可能出现误判，这种误判无法消除，所以只能下定义——某样东西可能存在

如下图2所示：

• 某样东西一定不存在：比如只有位图3号位置被标识为1，则一定能说明baidu和Other一定不存在

【2】布隆过滤器的基本场景

（1）快速判断广告是否推送过——不需要精确的场景

• 比如我们在【一】中提出的我们在使用新闻客户端看新闻时，它会给我们不停地推荐新的内容，它每次推荐时要去重，去掉那些已经看过的内容。
  

（2）快速判断昵称是否注册过——需要精确的场景

• 根据布隆过滤器的性质：它会告诉你 “某样东西可能存在或者一定不存在”
• 如果每一次查询都访问数据库，会增加数据库查询负载降低效率
• 因此我们设置一个布隆过滤器，把所有昵称都放到这个过滤器中， 如果显示昵称不存在，则支持输入昵称；如果显示昵称存在，则表示其可能存在，再到数据库中进行精确查询；
  
  

三.布隆过滤器一般不支持"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。

四.布隆过滤器的经典例题

【1】给两个文件，分别有100亿个query，我们只有1G内存，如何找到两个文件交集？分别给出精确算法和近似算法————（哈希切分）

• 我们先有一个内存大小基本概念：1G约为10亿byte，假设一个query平均为30byte，那么100亿query就约为3000亿byte，约为300G

• 哈希切分的基本概念： 是将一个大文件，利用哈希的原理， 将其分为若干个小文件。
• 相同的数据都被分到同一个文件里
• 在此题中，如下图所示，即：A和B中相同的query就会进入相同的小文件中
  
  

【2】如何扩展BloomFilter使得它支持删除元素的操作

• 多个位标识同一个值，使用 引用计数