哈希的应用

哈希是查询效率最高的算法，那么它有哪些应用呢？

最常见的应用就是位图了！

位图：

• 位图概念
  • 所谓位图，就是用每一位来存放某种状态，适用于海量数据，数据无重复的场景。通常是用来判断某个数据存不存在的。
  • 数据是否在给定的整形数据中，结果是在或者不在，刚好是两种状态，那么可以使用一个二进制比特位来代表数据是否存在的信息，如果二进制比特位为1，代表存在，为0代表不存在。比如:

• 位图的应用
  • 快速查找某个数据是否在一个集合中
  • 排序
  • 求两个集合的交集、并集等
  • 操作系统中磁盘块标记

布隆过滤器

• 布隆过滤器提出
  • 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。问题来了，新闻客户端推荐系统如何实现推送去重的？ 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？
    • 用哈希表存储用户记录，缺点：浪费空间
    • 用位图存储用户记录，缺点：不能处理哈希冲突
    • 将哈希与位图结合，即布隆过滤器
• 布隆过滤器概念
  • ​​​​​​​ 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 。
    • 布隆过滤器的插入
      • ​​​​​​​例如：

• ​​​​​​​布隆过滤器的查找
  • 布隆过滤器的思想是将一个元素用多个哈希函数映射到一个位图中，因此被映射到的位置的比特位一定为1。所以可以按照以下方式进行查找：分别计算每个哈希值对应的比特位置存储的是否为零，只要有一个为零，代表该元素一定不在哈希表中，否则可能在哈希表中。

注意：布隆过滤器如果说某个元素不存在时，该元素一定不存在，如果该元素存在时，该元素可能存在，因为有些哈希函数存在一定的误判。

布隆过滤器删除

• 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，其他元素也可能被删除了， 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

布隆过滤器缺陷

• 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