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
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