布隆过滤器是一种空间效率极高的概率型数据结构，用于判断一个元素是否在一个集合中，可能存在误判但不会漏判。其工作原理是通过多个哈希函数将元素映射到位数组，插入和查询操作都基于位数组进行。随着元素增加，误判率会上升。布隆过滤器广泛应用于缓存系统、数据库、搜索引擎等领域，以减少不必要的资源消耗。
简介
布隆过滤器（Bloom Filter）实际上是一个很长的二进制向量和一系列随机映射函数。
布隆过滤器可以用于检索一个元素是否在一个集合中。
原理
当一个元素被加入集合时，通过K个散列函数将这个元素映射成一个位数组中的K个点，把它们置为1。检索时，我们只要看看这些点是不是都是1：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能在集合中（获得在这个集合中的概率）。
False positives 概率推导
BloomFilter有以下参数:
- m 位数组的长度
- n 加入其中元素的数量
- k 哈希函数的个数
- f False Positive
假设 Hash 函数以等概率条件选择并设置 Bit Array 中的某一位，那么位数组中某一特定的位在进行元素插入时的 Hash 操作中没有被置位的概率是：
1 − 1 m 1-{1\over m} 1−m1
那么在所有 k 次 Hash 操作后该位都没有被置 “1” 的概率是：
( 1 − 1 m ) k (1-{1\over m})^k (1−m1)
最低0.47元/天 解锁文章
449
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
