布隆过滤器(Bloom Filter)原理以及Go语言实现

布隆过滤器介绍

判断目标值是否在一个集合中是比较常见的业务场景。在Go语言中通常使用map来实现给功能。但是当集合比较大时，使用map会消耗大量的内存。 这种情况下可使用BitMap来代替map。BitMap虽然能够在一定情况下减少的内存的消耗，但是BitMap也存在以下局限性：

• 当样本分布极度不均匀的时候，BitMap会造成很大空间上的浪费。
  若数据的类型Int64，并且数据分布的跨度比较大，则也无法满足对内存的要求。
• 当元素不是整型的时候，BitMap就不适用了。
  BitMap只能保存整形数据，对于字符串类型的数据则不合适使用。

BitMap只能处理整形数据，对于字符串则不能说适用。若能够把字符串映射为整形，就可以使用BitMap来存储字符串的状态了。 hash函数可以将字符串映射为整形数据，但是hash函数映射为整形是存在hash冲突。为了减少hash冲突，可以使用多个hash函数来将一个字符串映射为多个整数，并将映射后的整数存在BitMap中。在查询字符串时，使用同样的hash函数来计算hash值，并使用同样的hash值来查询BitMap，若其中有一个hash值没有命中，则该url不存在。

上述思路就是布隆过滤器的核心思路。布隆过滤器是由布隆（Burton Howard Bloom）在1970年提出的，它实际上是由一个很长的二进制向量和一系列随机映射函数组成，布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率:即布隆过滤器报告某个值存在于BitMap中中，但是实际上该值可能并不在集合中。但是布隆过滤器若报告某个值不在BitMap中，则该值肯定不在集合中。

减少布隆过滤器误识别率的方法
布隆过滤器误识别的原因在于hash冲突，因此减少hash冲突可以降低布隆过滤器误识别率。hash冲突和BitMap数组的大小以及hash函数的个数以及每个hash函数本身的好坏有关。可以采用以下方法降低hash冲突的概率：

• 多个hash，增大随机性，减少hash碰撞的概率。
• 扩大数组范围，使hash值均匀分布，进一步减少hash碰撞的概率。

布隆过滤器的Go语言实现

接下来我们给出布隆过滤器的Go语言实现，目前代码已经上传到github中，下载地址

定义

首先给出布隆过滤器结构的定义：

type BloomFilter struct {
	bset *BitMap
	size uint
}

其中：

• BitMap的实现在bitmap.go文件中
• size是BitMap二进制位的数量

创建BloomFilter结构

func NewBloomFilter(size_val ...uint) *BloomFilter {
	var size uint = 1024*1024
	if len(size_val) > 0 && size_val[0] > 0 {
		size = size_val[0]
	}

	bf := &BloomFilter{}
	bf.bset = NewBitMap(size)
	bf.size = size
	return bf
}

BloomFilter使用的hash函数

var seeds = []uint{3011, 3017, 3031}
func (bf *BloomFilter)hashFun(seed uint, value string) uint64 {
	hash := uint64(seed)
	for i := 0; i < len(value); i++ {
		hash = hash*33 + uint64(value[i])
	}
	return hash
}

将数据添加到BloomFilter

func (bf *BloomFilter)Set(value string) {
	for _, seed := range seeds {
		hash := bf.hashFun(seed, value)
		hash = hash % uint64(bf.size)
		bf.bset.Set(uint(hash))
	}
}

判断元素是否存在

func (bf *BloomFilter)Check(value string) bool {
	for _, seed := range seeds {
		hash := bf.hashFun(seed, value)
		hash = hash % uint64(bf.size)
		ret := bf.bset.Check(uint(hash))
		if !ret {
			return false
		}
	}
	return true
}