布隆过滤器(BloomFilter)的原理及应用

介绍

本质上布隆过滤器(BloomFilter)是一种数据结构,比较巧妙的概率型数据结构(probabilistic data structure),特点是高效地插入和查询,可以用来告诉你 “某样东西一定不存在或者可能存在
原理会在下面介绍。

使用场景

当你要判断一个东西是否存在的时候会使用到,比如:

  1. 网页爬虫对URL的去重,避免爬取相同的URL地址;
  2. 反垃圾邮件,从数十亿个垃圾邮件列表中判断某邮箱是否垃圾邮箱(同理,垃圾短信)
  3. Redis使用布隆过滤器去重

其他数据结构缺点

List

想判断某个个元素是否在在list种已经存在,需要O(n)的时间复杂度,并且需要把全部文件储存在List种,如果内存中存不下可能还有硬盘IO操作。
总结:
缺点 :

  1. O(n)
  2. IO操作
  3. 消耗内存

Tree

二叉树或者AVL树同样可以判断一个元素是否已经存在,比起List的优点是时间复杂度更低,为O(logn),同样有List的一些缺点。

  1. O(Logn)
  2. IO操作
  3. 消耗内存

HashTable

HashTable实际上是一个比较好的解决方法,时间复杂度为O(1),但是最大的问题同样是消耗内存。因为如果表内已经有了n个元素,就需要预留 n*4/3的空间用来存放hashTable并保证冲突的概率在一个比较低的水平线上。同时如果内存不足以存放这么多数据就需要调用硬盘IO,非常的费时。
缺点

  1. IO操作
  2. 消耗内存

布隆过滤器优点

最后降到了主角,布隆过滤器,实际上布隆过滤器最大的优点就是节约内存,不需要把所有元素的hash值保存。只需要用多个hash函数计算hash值,并把hash值映射到一个bitmap上。如果bitmap上有一个位置是0,这个元素肯定不存在,如果所有位置都是1,这个元素有可能存在。
在这里插入图片描述
复杂度:O(k)k是hash函数的个数

计算

计算最佳的hash函数的个数

在这里插入图片描述
k 为哈希函数个数,m 为布隆过滤器长度,n 为插入的元素个数,p 为误报率。

引用:
https://www.jianshu.com/p/2104d11ee0a2
https://hackernoon.com/probabilistic-data-structures-bloom-filter-5374112a7832

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
布隆过滤器Bloom Filter)是一种重要的数据结构,它用于快速判断一个元素是否存在于一个集合中。布隆过滤器的核心思想是通过一系列哈希函数来对元素进行多次哈希,然后将得到的哈希值映射到一个位数组中,并将对应的位置设为1。当需要判断一个元素是否存在时,同样对其进行多次哈希,检查对应位数组的值是否都为1,若都为1则可以确定元素可能存在;若存在一个0,则可以确定元素一定不存在。因此,布隆过滤器是一种基于概率的数据结构,可以高效地进行查找。 然而,布隆过滤器也存在一些问题。首先,由于多个不同的元素可能会哈希到相同的位上,因此在查询时可能出现误判,即判断一个元素存在时实际上并不存在。这种误判是由于多个元素共享了某一位的原因导致的。其次,布隆过滤器的特性决定了它无法支持元素的删除操作,因为删除一个元素可能会影响其他元素的判断结果,从而增加误判率。 要注意的是,计数布隆过滤器(Counting Bloom Filter)提供了一种实现删除操作的可能性,但并不能保证在后续查询时该值一定返回不存在。因此,不能说计数布隆过滤器支持删除,而是说计数布隆过滤器提供了实现删除的可能。 [3<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [【海量数据处理】布隆过滤器BloomFilter](https://blog.csdn.net/qq_43727529/article/details/127180864)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *3* [Java --- redis7之布隆过滤器BloomFilter](https://blog.csdn.net/qq_46093575/article/details/130613434)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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