Python + redis 实现布隆过滤器

# -*- coding: utf-8 -*-

'''

@Project:PyCharm
@File : test2.py
@Time:2023-02-15 13:46
@Author:xcl
@Email:2221117055@qq.com

'''



import mmh3
import redis
import math
import time


class PyBloomFilter():
#内置100个随机种子
SEEDS = [543, 460, 171, 876, 796, 607, 650, 81, 837, 545, 591, 946, 846, 521, 913, 636, 878, 735, 414, 372,
344, 324, 223, 180, 327, 891, 798, 933, 493, 293, 836, 10, 6, 544, 924, 849, 438, 41, 862, 648, 338,
465, 562, 693, 979, 52, 763, 103, 387, 374, 349, 94, 384, 680, 574, 480, 307, 580, 71, 535, 300, 53,
481, 519, 644, 219, 686, 236, 424, 326, 244, 212, 909, 202, 951, 56, 812, 901, 926, 250, 507, 739, 371,
63, 584, 154, 7, 284, 617, 332, 472, 140, 605, 262, 355, 526, 647, 923, 199, 518]

#capacity是预先估计要去重的数量
#error_rate表示错误率
#conn表示redis的连接客户端
#key表示在redis中的键的名字前缀
def __init__(self, capacity=100000000, error_rate=0.00001, conn=None, key='BloomFilter'):
self.m = math.ceil(capacity*math.log2(math.e)*math.log2(1/error_rate)) #需要的总bit位数
self.k = math.ceil(math.log1p(2)*self.m/capacity) #需要最少的hash次数
self.mem = math.ceil(self.m/8/1024/1024) #需要的多少M内存
self.blocknum = math.ceil(self.mem/366) #需要多少个366M的内存块,value的第一个字符必须是ascii码,所有最多有256个内存块
self.seeds = self.SEEDS[0:self.k]
self.key = key
self.N = 2**31-1
self.redis = conn

print("self.m",self.m)
print("self.k",self.k)
print("self.mem",self.mem)
print("self.blocknum",self.blocknum)
print("self.seeds",self.seeds)
print("self.N",self.N)

# time.sleep(2222)



def add(self, value,pub_time):
name = self.key + "_" + str(pub_time)
hashs = self.get_hashs(value)
for hash in hashs:
self.redis.setbit(name, hash, 1)

def is_exist(self, value,pub_time):
name = self.key + "_" + str(pub_time)
hashs = self.get_hashs(value)
exist = True
for hash in hashs:
exist = exist & self.redis.getbit(name, hash)
return exist

def get_hashs(self, value):
hashs = list()
for seed in self.seeds:
hash = mmh3.hash(value, seed)
if hash >= 0:
hashs.append(hash)
else:
hashs.append(self.N - hash)
return hashs


pool = redis.ConnectionPool(host='127.0.0.1', port=6379, db=8)
conn = redis.StrictRedis(connection_pool=pool)

start = time.time()
bf = PyBloomFilter(conn=conn)
pub_time = "20230307"

bf.add('www.jobbole.com',pub_time)
bf.add('www.zhihu.com',pub_time)
print(bf.is_exist('www.zhihu.com',pub_time))
print(bf.is_exist('www.lagou.com',pub_time))





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