布隆过滤器的实现原理

  

   布隆过滤器可以理解为一个不怎么精确的 set 结构，当你使用它的 contains 方法判断某

个对象是否存在时，它可能会误判。但是布隆过滤器也不是特别不精确，只要参数设置的合

理，它的精确度可以控制的相对足够精确，只会有小小的误判概率。

当布隆过滤器说某个值存在时，这个值可能不存在；当它说不存在时，那就肯定不存

在。打个比方，当它说不认识你时，肯定就不认识；当它说见过你时，可能根本就没见过

面，不过因为你的脸跟它认识的人中某脸比较相似 ( 某些熟脸的系数组合 ) ，所以误判以前见

过你。

 

 

布隆过滤器的hash分发标注原理，一般用3-5个hash算法进去标注

 

       每个布隆过滤器对应到 Redis 的数据结构里面就是一个大型的位数组和几个不一样的无

偏 hash 函数。所谓无偏就是能够把元素的 hash 值算得比较均匀。

      向布隆过滤器中添加 key 时，会使用多个 hash 函数对 key 进行 hash 算得一个整数索

引值然后对位数组长度进行取模运算得到一个位置，每个 hash 函数都会算得一个不同的位

置。

 

空 间占用估计

   

     

布隆过滤器的空间占用有一个简单的计算公式，但是推导比较繁琐，这里就省去推导过

程了，直接引出计算公式，感兴趣的读者可以点击「扩展阅读」深入理解公式的推导过程。

布隆过滤器有两个参数，第一个是预计元素的数量 n ，第二个是错误率 f 。公式根据这

两个输入得到两个输出，第一个输出是位数组的长度 l ，也就是需要的存储空间大小 (bit) ，

第二个输出是 hash 函数的最佳数量 k 。 hash 函数的数量也会直接影响到错误率，最佳的数

量会有最低的错误率。

k=0.7*(l/n) # 约等于

f=0.6185^(l/n) # ^ 表示次方计算，也就是 math.pow

 

 

错误率估计

错误率其实是根据位数组的长度和hash函数的个数决定的。一般3-5个hash函数，并不是越大越好。