简单的布隆过滤器

原理

当一个元素被加入集合时，通过 K 个 Hash 函数将这个元素映射成一个位阵列（Bit array）中的 K 个点，把它们置为 1。检索时，我们只要看看这些点是不是都是 1 就（大约）知道集合中有没有它了：
如果这些点有任何一个 0，则被检索元素一定不在；
如果都是 1，则被检索元素很可能在。

优点

它的优点是空间效率和查询时间都远远超过一般的算法，布隆过滤器存储空间和插入 / 查询时间都是常数O(k)。另外, 散列函数相互之间没有关系，方便由硬件并行实现。布隆过滤器不需要存储元素本身，在某些对保密要求非常严格的场合有优势。

缺点

但是布隆过滤器的缺点和优点一样明显。误算率是其中之一。随着存入的元素数量增加，误算率随之增加。但是如果元素数量太少，则使用散列表足矣。(误判补救方法是：再建立一个小的白名单，存储那些可能被误判的信息。)
另外，一般情况下不能从布隆过滤器中删除元素. 我们很容易想到把位数组变成整数数组，每插入一个元素相应的计数器加 1, 这样删除元素时将计数器减掉就可以了。然而要保证安全地删除元素并非如此简单。首先我们必须保证删除的元素的确在布隆过滤器里面. 这一点单凭这个过滤器是无法保证的。另外计数器回绕也会造成问题。

布隆过滤器的实现

//实现一个布隆过滤器 需要哈希函数和位图
//string 转换成为数字
static size_t BKDRHash(const char* str)
{
    unsigned int seed = 131;
    unsigned int hash = 0;
    while (*str)
    {
        hash = hash*seed + (*str++);
    }
    return (hash & 0x7FFFFFFF);
}
//哈希函数
template<typename T>
class HashFunDef
{
public:
    size_t operator()(const T& key)
    {
        return key;
    }
};

template<>
class HashFunDef<string>
{
public:
    size_t operator()(const string& key)
    {
        return BKDRHash(key.c_str());
    }
};

size_t SDBMHash(const char* str)
{
    register size_t hash = 0;
    while (size_t ch=(size_t)*str++)
    {
        hash = 65599 * hash + ch;
    }
    return hash;
}

size_t RSHash(const char* str)
{
    register size_t hash = 0;
    size_t magic = 63689;
    while (size_t ch=(size_t)*str++)
    {
        hash = hash*magic + ch;
        magic *= 378551;
    }
    return hash;
}

size_t APHash(const char* str)
{
    register size_t hash = 0;
    size_t ch;
    for (long i = 0; ch=(size_t)*str++; i++)
    {
        if (0 == (i & 1))
        {
            hash ^= (hash << 7) ^ (hash >> 3);
        }
        else
        {
            hash ^= (~((hash << 11) ^ ch ^ (hash >> 5)));
        }
    }
    return hash;
}

size_t JSHash(const char* str)
{
    if (!*str)
        return 0;
    register size_t hash = 1315423911;
    while (size_t ch=(size_t)*str++)
    {
        hash ^= ((hash << 5) + ch + (hash >> 2));
    }
    return hash;
}

template<class T>
struct _HashFunc1
{
    size_t operator()(const T& key)
    {
        return SDBMHash(key.c_str());
    }
};

template<class T>
struct _HashFunc2
{
    size_t operator()(const T& key)
    {
        return SDBMHash(key.c_str());
    }
};

template<class T>
struct _HashFunc3
{
    size_t operator()(const T& key)
    {
        return RSHash(key.c_str());
    }
};

template<class T>
struct _HashFunc4
{
    size_t operator()(const T&key)
    {
        return APHash(key.c_str());
    }
};

template<class T>
struct _HashFunc5
{
    size_t operator()(const T& key)
    {
        return JSHash(key.c_str());
    }
};

template<class K,class HashFunc=_HashFunc1<string> >
class BloomFile
{
public:
    BloomFile(size_t size)
        :_map(size)
    {}
    bool Insert(string str)
    {
        size_t idx1 = _HashFunc1<string>()(str);
        size_t idx2 = _HashFunc2<string>()(str);
        size_t idx3 = _HashFunc3<string>()(str);
        size_t idx4 = _HashFunc4<string>()(str);
        size_t idx5 = _HashFunc5<string>()(str);
        _map.Set(idx1);
        _map.Set(idx2);
        _map.Set(idx3);
        _map.Set(idx4);
        _map.Set(idx5);
        return true;
    }
    bool Find(string str)
    {
        size_t idx1 = _HashFunc1<string>()(str);
        size_t idx2 = _HashFunc2<string>()(str);
        size_t idx3 = _HashFunc3<string>()(str);
        size_t idx4 = _HashFunc4<string>()(str);
        size_t idx5 = _HashFunc5<string>()(str);
        if (!_map.Exit(idx1))
            return false;
        if (!_map.Exit(idx2))
            return false;
        if (!_map.Exit(idx3))
            return false;
        if (!_map.Exit(idx4))
            return false;
        if (!_map.Exit(idx5))
            return false;
        return true;
    }
private:
    BitMap _map;
};

位图

//位图
class BitMap
{
public:
    BitMap()
    {};
    BitMap(size_t size)
    {
        _table.resize((size >> 5) + 1);
    }
    //置1
    void Set(int data)
    {
        size_t byteNu = data >> 5;
        size_t bitNu = data % 32;
        _table[byteNu] |= (1 << (bitNu));
    }

    void ReSet(int data)
    {
        _table[data >> 5] &= ~(1 << (data % 32));
    }

    //是否存在
    bool Exit(int data)
    {
        if ((_table[data >> 5]) & (1<<(data % 32))  )
            return true;
        return false;
    }

private:
    vector<int> _table;
};