布隆过滤器与位图

布隆过滤器——一种快速检测元素是否存在的数据结构
位图（典型的k v模型）——用来判断一个整数是否出现在集合中，或者查找出现次数最多或最少的元素

//布隆过滤器的原理：
我们知道字符串哈希算法，就是把字符串转换为相对应的key值，然后存在于位图中，但是，这也可能存在冲突的情况（多个字符串映射到同一个位置）

布隆过滤器就是采用   同时进行多个不同哈希算法进行映射

假设我们用五个不同字符串哈希算法 ， 那么我们在判断一个字符串是否存在时，只需要判断对应的五个位是否同时存在就可以了

//布隆过滤器的优点：
1、哈希算法与位图的结合    可以海量处理字符串类型
2、查找时时间复杂度为O(n)  n为字符串哈希算法的个数

//缺点
因为存在哈希算法，难免会出现哈希冲突，导致一定的误判性

//误区

并不是哈希算法的个数越多越高，因为那样会特别占内存资源，同时也可能存在哈希冲突的情况


//适应场景

1、垃圾网站、邮件过滤
2、爬取网站时，判断一个网站是否被爬过

template <class T>
class BoolmFilter
{
   public:
     BOolmFilter(size_t num)
     :_bp(num*2*5)
     {}
     size_t HashFun_1();
     size_t HashFun_2();
     size_t HashFun_3();
     size_t HashFun_4();
     size_t HashFun_5();
void Set()
{
  h1 = HashFun_1(string& str);
  h2 = HashFun_2(string& str);
  h3 = HashFun_3();
  h4 = HashFun_4();
  h5 = HashFun_5();

  _bp.set(h1);
  _bp.set(h2);
  _bp.set(h3);
  _bp.set(h4);
  _bp.set(h5); 

}
bool Find()
{
    if( _bp.find( HashFun_1(str) )  == false)
         return false;
    if( _bp.find( HashFun_2(str) )  == false)
         return false;
    if( _bp.find( HashFun_3(str) )  == false)
         return false;
    if( _bp.find( HashFun_4(str) )  == false)
         return false;
    if( _bp.find( HashFun_5(str) )  == false)
         return false; 
 return true;  
}

private:
      BitMap  _bp; // 位图
};