自定义实现的布隆过滤器

自定义实现的布隆过滤器

布隆过滤器是一种检索一个元素是否在一个集合中的算法，它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率。

它能准确判断一个元素不在集合中，大概率判断一个元素在集合中。

基本原理

布隆过滤器数据结构布隆过滤器是一个 bit 向量或者说 bit 数组，长这样：

如果我们要映射一个值到布隆过滤器中，我们需要使用多个不同的哈希函数生成多个哈希值，并对每个生成的哈希值指向的 bit 位置 1，例如针对值 “baidu” 和三个不同的哈希函数分别生成了哈希值 0、3、6，则上图转变为：

Ok，我们现在再存一个值 “tencent”，如果哈希函数返回 2、3、7 的话，图继续变为：

值得注意的是，3 这个 bit 位由于两个值的哈希函数都返回了这个 bit 位，因此它被覆盖了。现在我们如果想查询 “dianping” 这个值是否存在，哈希函数返回了 0、4、7三个值，结果我们发现 4 这个 bit 位上的值为 0，说明没有任何一个值映射到这个 bit 位上，因此我们可以很确定地说 “dianping” 这个值不存在。而当我们需要查询 “baidu” 这个值是否存在的话，那么哈希函数必然会返回 1、4、7，然后我们检查发现这三个 bit 位上的值均为 1，那么我们可以说 “baidu” 存在了么？答案是不可以，只能是 “baidu” 这个值可能存在。

这是为什么呢？答案跟简单，因为随着增加的值越来越多，被置为 1 的 bit 位也会越来越多，这样某个值 “taobao” 即使没有被存储过，但是万一哈希函数返回的三个 bit 位都被其他值置位了 1 ，那么程序还是会判断 “taobao” 这个值存在。

基本原理baidu来的，这个感觉最易懂

实现bloomFilter

基于Guava的hash算法实现bloomFilter

• local：初始化的时候选择是基于本地的还是分布式的，默认true。
• putConsumer：local为false的时候需要初始化的时候实现，比如基于redis的bitmap实现bit数组，命令：(SETBIT key offset value)。local为true时默认初始化bitSet属性，并通过bitSet实现bit数组。
• containPredicate：local为false的时候需要初始化的时候实现，比如基于redis的bitmap实现bit数组。local为true时默认初始化bitSet属性，并通过bitSet实现bit数组，命令：(GETBIT key offset)。local为true时默认会从bitSet获取。

builder模式创建bloomFilter

测试

代码可以在Github上找到。

测试用例

本文来自chentiefeng的博客