布隆过滤器初学

布隆过滤器

布隆过滤器实际上是一个很长的二进制向量和一系列映射函数，布隆过滤器可以用于检索一个元素是否在一 个集合中。

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。

由于是随着集合 中元素的增加，我们需要的存储空间越来越大，检索速度也越来越慢，不过世界 上还有一种叫作

散列表（又叫哈希表，Hash table）的数据结构。它可以通过一 个 Hash 函数将一个元素映射成一个位阵列中的

一个点。这样一来，我们只要看 看这个点是不是 1 就可以知道集合中有没有它了。这就是布隆过滤器的基本思想

算法：

1. 首先需要 k 个 hash 函数，每个函数可以把 key 散列成为 1 个整数

2. 初始化时，需要一个长度为 n 比特的数组，每个比特位初始化为 0

3. 某个 key 加入集合时，用 k 个 hash 函数计算出 k 个散列值，并把数组中对 应的比特位置为 1

4. 判断某个 key 是否在集合时，用 k 个 hash 函数计算出 k 个散列值，并查询 数组中对应的比特位，如果所有的比特位都是 1，认为在集合中。

布隆过滤器数据结构

BloomFilter 是由一个固定大小的二进制向量或者位图（bitmap）和一系列映射函数组成的。

在初始状态时，对于长度为 m 的位数组，它的所有位都被置为 0，如下图所示：

当有变量被加入集合时，通过 K 个哈希函数将这个变量映射成位图中的 K 个点，把 它们置为 1（假定有两个变量都通过 3 个映射函数）

查询某个变量的时候我们只要看看这些点是不是都是 1 就可以大概率知道集合 中有没有它了.

如果这些点有任何一个 0，则被查询变量一定不在；

如果都是 1，则被查询变量很可能存在（是因为映射函数本身就是散列函 数，散列函数是会有碰撞的。 ）

优点：不需要存储 key，节省空间

缺点：

1. 算法判断 key 在集合中时，有一定的概率 key 其实不在集合中
2. 无法删除