布隆过滤器（Bloom Filter）原理及优缺点简介

前言

今天遇到的新鲜面试题：

问数据量在million级别的情况下，怎么快速判断一个data是不是在数据库中出现过，

当时没想到怎么做，回了家一拍大腿才想起来这是布隆过滤器……

唉，在极客时间学过这个概念，但是学完之后再也没用到过，而且太久没打LOL了，所以远远地抛到脑后……

今天赶快复习一下……

 

作用

布隆过滤器用于检索一个元素是否存在一个集合里。

 

特点

优点：空间效率 和 时间效率 都非常高

缺点：存在误识别率并且删除困难。

注意⚠️：此处的误识别率是指，当一个布隆过滤器判断一个数据在集合中存在时，有一定的可能性误判；但如果布隆过滤器判断一个数据不在集合中时，则100%正确。

 

原理

（注：以下两张图均来自《算法面试通关40讲》）

如上图所示，使用哈希函数将每个元素映射到一个二进制向量的三个位上，

将集合中每个元素对应的三个位记录成1。

当需要判断一个新的元素w 在不在集合中时，可以先计算出w的三个位，

然后只要发现其中存在任何一个位为0， 则可以100%肯定，w不在此集合中。

再来个例子：

假设集合中已经存在元素A和元素E，

需要判断元素 A， B， C在不在集合里，

看上图可以发现， 元素B对应的两个key位出现映射冲突，即恰好都是1，所以布隆过滤器会认为元素B存在于集合中，

但实际上B并不在集合里，这即是布隆过滤器误识别率的体现。