布隆过滤器
布隆过滤器提出:
针对推送去重问题提出。
当服务器记录用户看过的所有历史记录,当推荐系统推荐新闻时会从每个用户的历史记录里进行筛选,过滤掉那些已经存在的记录。 如何快速查找呢?
这里提供了三种方法:
- 用哈希表存储用户记录,缺点:浪费空间
- 用位图存储用户记录,缺点:不能处理哈希冲突
- 将哈希与位图结合,即布隆过滤器
布隆过滤器概念:
是一种紧凑型的、比较巧妙的概率型数据结构。
特点:
高效的插入和查询,因为存在一定的概率型,所以只能告诉用户“某样东西一定不存在或者可能存在”。
实质:
利用多个哈希函数,讲一个数据映射到位图结构中。
优点:
提升查询效率,节省大量的内存空间。
布隆过滤器的插入、查找和缺陷:
将一个元素用多个哈希函数映射到一个位图中,因此被映射到的位置的比特位为1.
查找方法:
分别计算每个哈希值对应的比特位置存储的是否为零,只要有一个为零,代表该元素一定不在哈希表中,否则可能在哈希表中。
插入baidu和tencent
baidu置1位为:1 4 7
tencent置1位为:3 4 8
若我们新插入alibaba
alibaba置1位为:1 3 8
此时插入的数据与之前已有的数据发生了重叠。
若此时要寻找baidu,只需找到1 4 7位置1的即可。
若此时要寻找toutiao,toutiao的置1位为:4 7 8
因为4 7 8此时均被置1,所以布隆过滤器会显示toutiao在这个布隆过滤器内。实际上并不存在。
这就是布隆过滤器的缺陷。
注意:
因为有些哈希函数存在一定的误判,所以会出现意外情况:即布隆过滤器如果说某个元素不存在时,该元素一定不存在。
如果说某个元素存在时,该元素可能存在。