Bloom Filter 布隆过滤器

介绍

就是一个集合,检测元素是不是存在于集合中。速度超快,但是有一定的误识别率,同时删除困难

Bloom Filter算法

添加元素

  • 一个m位的数组,数组都是0
  • 新来一个输入,通过k个hash函数得到数组的k个索引
  • 将k个索引都置为1

检查元素

将被检查元素通过k个hash函数得到数组的k个索引,如果k个位置都是1则被检查元素在集合之中(有误报几率)


误报率

给定一个hash函数,一个特定位没有被设置为1的概率

11m

对于所有的k个HASH函数,都没有把这个位设置为1的概率是

(11m)k

如果我们已经插入了n个元素,那么对于一个给定的位,这个位仍然是0的概率是

(11m)kn

那么,这个位是1

1(11m)kn

如果一个特定元素误报,就是索引全是1

[1(11m)kn]k

1(1+1m)(m)knmk(1eknm)k

宁可错报,不可漏报
通过一定的错误率换取算法的时间和空间


Counting Bloom Filter

支持删除操作的Bloom Filter
把数组的的0,1换成一个个计数器,就可以支持删除操作


进阶

  • 最优的哈希函数个数:
    k=(ln2)(mn)
    m为数组大小,n为输入元素个数。
  • 位数组的大小:在错误率不大于E的情况下,m至少要等于
    nlg(1/E)
    才能表示任意n个元素的集合。但m还应该更大些,因为还要保证bit数组里至少一半为 0,则
    m>=nlg(1/E)lge
    大概就是 nlg(1/E) 1.44倍(lg表示以2为底的对数)。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值