数据结构--一致性哈希、虚拟节点、布隆过滤器

1、一致性哈希：

 由于服务器数量发生改变，导致服务器中的数据受到影响

2、这是一个圆形，认为这个圆上存在无数个点，假设这个圆上存在2^32个点，每个点有一个编号从0~2^32

 这时，图片的关键字对2^32取余，结果看到底放到哪一台服务器上

 服务器分布不均匀，会导致有的服务器压力过大崩溃，因此引入虚拟节点

 虚拟节点：不存在的点，臆想出来的点

        

3、布隆过滤器

       使用场景：假设有11E个整型值，不重复，现在需要确定X值在不在这10E个整型值内？（从头到尾遍历可以找到，但时间复杂度高，O(n)，如何更方便的找）

实际上，布隆过滤器就是一个非常长的二进制矢量 + 一组哈希函数

        假设，现在有三个不同的哈希函数A，B，C

需要判断一下250在不在？

首先先将250通过ABC这三个函数取计算，可以得到三个值，假设结果是3  9  19

       分析：如果250已经存在，则3,9,19的格子里应该都是1，反过来，如果这三个格子只要有一个不是1，则250肯定不在其中存储。

       需要判断一下50在不在？

       首先先将50通过ABC这三个函数取计算，可以得到三个值，假设结果是6  9  15

 分析：观察得到6,9,15的格子里应该都是1，那么50一定存在吗？结论是不一定

布隆过滤器的特点：可以非常快速的告诉你要找是否存在，判定不存在一定不存在，判定存在，有可能存在也有可能不在（误判）。

布隆过滤器的优缺点：

优点：      所占空间小             

                 插入、查找的时间复杂度特别低           

                 安全（不存储数据本身，装只存取二进制）

缺点：     会发生误判（计算得到的位都是1，但不能保证值真的存在）

                删除数据办不到

java测试出来的数据：

                如果误判率设定为 0.03%，大概需要的二进制位是700W，需要的哈希函数为5个

                如果误判率设定为 0.01%，大概需要的二进制位是900W，需要的哈希函数为7个

误判率降低，需要的二进制位增加，需要的哈希函数也更多