布隆过滤器简介

一、概念

布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。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比一般的算法要好的多，缺点是有一定的误识别率和删除困难。

二、原理

然后我们根据H个不同的散列函数，对传进来的字符串进行散列，并且每次的散列结果都不能大于位数组的长度。

然后在对应的位数组的元素设置为 1（当位数组初始化时 ，所有位置均为0）。当第二次存储相同字符串时，因为先前的对应位置已设置为1，所以很容易知道此值已经存在。

1、添加和查询

下图以添加 A，B 两个元素为例：使用 hash1，hash2，hash3 3个哈希函数映射

当一个元素加入布隆过滤器中的时候，会使用 k 个哈希函数对其进行k次计算，得到 k 个哈希值，并且根据得到的哈希值，在维数组中把对应下标的值置为1

A 映射到 4, 17,18，相应的位置置为1

B映射到 2, 7，15，相应的位置置为1

插入的元素越来越多时，当一个不在布隆过滤器中的元素，经过同样规则的哈希计算之后，得到的值在位数组中查询，有可能因为这些位置因为其他的元素先被置1了，

所以布隆过滤器存在误判的情况（例如有一个元素C，哈希结果为2,4,7，但是因为2,4,7已经置1了，所以无法判断C是否存在）。

但是如果布隆过滤器判断某个元素不在布隆过滤器中，那么这个值就一定不在。

 

2、误判公式

二进制位个数，哈希函数个数，误判率公式：（ n-数据规模，p-误判率，m-哈希函数个数，k-二进制位个数）

                     

复杂度分析：

• 添加，查询的时间负责度都是 O(k)，k 是哈希函数的个数。
• 空间复杂度是O(m)，m 是二进制位的个数

三、实现方案

添加一个 long[] 用于保存二进制位，添加以下3个全局变量

// 二进制向量的长度(一共有多少个二进制位)
private int bitSize;
// 二进制向量
private long[] bits;
//哈希函数的个数
private int hashSize;

添加：先通过哈希函数计算哈希值，根据哈希值定位到 long 数组索引位，然后通过取余再定位到二进制位，最后将那个二进制位设为1。

查询：使用同样的哈希函数计算哈希值，根据哈希值查询相应的二进制位是否为1，如果计算出的所有的哈希值相应的二进制位都为1，那么可能存在，否则一定不存在

谷歌 guava 提供了布隆过滤器的实现，jar 地址：https://mvnrepository.com/artifact/com.google.guava