GitHub上Java的Bloom Bloom实现

布隆过滤器是集数据结构的一种 。 对于那些不了解的对象，“设置数据结构”仅包含一个主要方法。 它仅用于确定特定元素是否包含在一组元素中。 大多数数据结构（例如Hash Map ， Linked List或Array ）都可以相当轻松地创建此函数。 您只需要在数据结构中搜索特定元素。

但是，当集合中的元素数量超过可用内存量时，这些类型的数据结构可能会带来问题，因为这些类型的数据结构会将所有元素存储在内存中。

这是布隆过滤器变得有趣的地方。 因为布隆过滤器实际上并未将集合中的所有元素存储在内存中。

布隆过滤器没有将每个元素放入数据结构中，而是仅存储字节数组。 对于添加到布隆过滤器的每个元素，在其数组中设置k位。 这些位通常由哈希函数确定。

要检查元素是否在集合中，只需检查通常对于该项目通常为1的位是否实际上为1。 如果它们都是一（而不是零），则该项在集合内。 如果任何一位都不为1，则该项目不在集合内。

对于每个数据结构，肯定都会退回到Bloom Filter。 通过使用上述方法，布隆过滤器可以说元素实际上不在集合中。 假阳性在该集中是可能的，它们取决于几个因素，例如：

• 字节数组的大小
• 每个元素设置的位数（k）
• 集合中的项目数

通过调整上述值，您可以轻松地将误报概率提高到可观的水平，同时仍然节省大量空间。

发现布隆过滤器后，我开始寻找Java实现。 可悲的是，不存在标准实现！ 因此，我编写了一个简单快速的Java版Bloom Filter版本。 您可以在GitHub上找到源代码 。

我的实现使用：

• MD5哈希
  • 要添加一个Object，该集合采用hashCode（）方法的值来计算MD5哈希。
• 由简单的字节数组支持
• 实现Set <Object>接口，尽管该接口中的某些方法将无法正常工作。

请注意，该项目还使用SizeOf库来获取内存中使用的字节数。

我还做了一些快速到期操作，以将过滤器与Java中的标准ArrayList进行比较，并进行了一些性能检查。

• 使用不同的k值将元素添加到集合中所需的时间
• 集合的大小与不同级别的数组列表

可以预期，集合中需要的元素数量越多，Bloom Filter变得越有用。 当确定布隆过滤器应该有多大以及给定集合的最佳k值时，确实会有些棘手，尤其是在集合不断增长的情况下。

对于测试，我仅向每个数据结构添加了对象（大小为16个字节），然后使用SizeOf库获取使用的真实空间量。

从上图可以很容易地看出，一旦数组变得大于100个对象，Bloom Filter的大小效率就会大大提高。 这种趋势持续到1500个对象，而布隆过滤器需要比ArrayList少22808字节来存储相同数量的元素。

上图显示了以秒为单位的时间（在2012年早期的iMac上），将元素添加到具有不同位数（k）的列表中的时间。 随着k的增加，时间会相当缓慢地增加到10位。 但是，任何超过10的东西都会变得非常昂贵，设置100位需要一整秒才能完成。

随时在GitHub上检查测试的源代码和Bloom Filter实现本身。

参考：来自我们的JCG合作伙伴 Isaac Taylor在Programming Mobile博客上的GitHub上的Java中Bloom过滤实现 。

翻译自: https://www.javacodegeeks.com/2012/11/bloom-filter-implementation-in-java-on-github.html