基本概念
如果想判断一个元素是不是在一个集合里,一般想到的是将所有元素保存起来,然后通过比较确定。链表,树等等数据结构都是这种思路. 但是随着集合中元素的增加,我们需要的存储空间越来越大,检索速度也越来越慢。不过世界上还有一种叫作散列表(又叫哈希表,Hash table)的数据结构。它可以通过一个Hash函数将一个元素映射成一个位阵列(Bit Array)中的一个点。这样一来,我们只要看看这个点是不是 1 就知道可以集合中有没有它了。这就是布隆过滤器的基本思想。
Hash面临的问题就是冲突。假设 Hash 函数是良好的,如果我们的位阵列长度为 m 个点,那么如果我们想将冲突率降低到例如 1%, 这个散列表就只能容纳 m/100 个元素。显然这就不叫空间有效了(Space-efficient)。解决方法也简单,就是使用多个 Hash,如果它们有一个说元素不在集合中,那肯定就不在。如果它们都说在,虽然也有一定可能性它们在说谎,不过直觉上判断这种事情的概率是比较低的。
优点
相比于其它的数据结构,布隆过滤器在空间和时间方面都有巨大的优势。布隆过滤器存储空间和插入/查询时间都是常数。另外, Hash 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。
布隆过滤器可以表示全集,其它任何数据结构都不能;
k 和 m 相同,使用同一组 Hash 函数的两个布隆过滤器的交并差运算可以使用位操作进行。
缺点
但是布隆过滤器的缺点和优点一样明显。误算率(False Positive)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。
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列阵变成整数数组,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。然而要保证安全的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。
redis对bitmaps的解释:
http://www.redis.cn/topics/data-types-intro.html#bitmaps
翻译后的中文如下:
Bitmap不是一个确切的数据类型,而是基于String类型定义的一系列面向位操作的方法。因为String是二进制安全的并且它们的最大长度是512MB,
所以String类型很合适去作为一个2^32长度的位数组。
位操作方法可以被分为两组:一、对单一位的操作,比如设置某一位为1或0,或者得到这一位的值;二、对一组位的操作,比方说计算一定范围内的1的个数(比如计数)
bitmap一个最大的优势是它通常能在存储信息的时候节省大量空间。比方说一个用增量ID来辨别用户的系统,可以用仅仅512MB的空间来标识40亿个用户是否想要接受通知。
使用SETBIT和GETBIT命令来对位进行置数和检索:
> setbit key 10 1
(integer) 1
> getbit key 10
(integer) 1
> getbit key 11
(integer) 0
---------------------
public class BloomFilter {
public static double size = Math.pow(2,32);
//第一次加载的时候将数据加载到redis中
public static void saveDataToRedis(Jedis jedis){
List<String> baseList = new ArrayList<>();
baseList.add("000");
baseList.add("111");
baseList.add("222");
for (int i = 0; i < baseList.size(); i++) {
long index = Math.abs((long)(baseList.get(i).hashCode()%size));
jedis.setbit("orderId",index,true);
}
}
//判断传入的数据是否在redis中
public static boolean checkEleIsContainBloomFilter(String target,Jedis jedis){
long index = Math.abs((long)(target.hashCode()%size));
System.out.println("index: " + index + " size: " + size);
boolean checkResult = jedis.getbit("orderId",index);
return checkResult;
}
public static void main(String[] args) {
//获取redis链接
Jedis jedis = RedisUtils.getJedis();
//第一次运行的时候调用,只运行一次
saveDataToRedis(jedis);
//获取比较后的值
System.out.println(checkEleIsContainBloomFilter("000",jedis));
//释放redis链接
RedisUtils.closeJedis(jedis);
}
代码运行结果:
参考:https://blog.csdn.net/u013278314/article/details/83027781
参考:https://www.cnblogs.com/liyulong1982/p/6013002.html