本文介绍了Bloom Filter在处理大量数据时如何节省内存资源，通过设置内存空间、使用hash函数标记邮件地址，并分析了误判为非垃圾邮件的概率及其数学证明。还探讨了通过增加hash函数数量降低误判率的方法。
应用场景：现有10亿个邮件地址，都是非垃圾邮件地址，存在集合S中。那么对于输入的任意邮件地址，如何判断是否在集合S中。
如果将10亿个地址都放入内存中查找，假设一个地址是10个字符，占用10个字节，那么10亿个地址需要占用10G内存，很显然是非常浪费资源的。
Bloom Filter 的思路：
1. 在内存中开1G的空间，记为R，总共80亿个bit，初始全部置为0。
2. 将10亿个邮件地址通过某个随机的hash函数，计算出一个整数，然后将R中对应的bit置为1。例如，整数
是1000，则将R中第1000位记为置为1。当然很有可能会对同一个位
最低0.47元/天 解锁文章
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
