位图与布隆过滤器

最新推荐文章于 2024-06-16 22:31:26 发布

blue--lan

最新推荐文章于 2024-06-16 22:31:26 发布

阅读量26

点赞数

文章标签：算法哈希算法

本文链接：https://blog.csdn.net/weixin_55340276/article/details/131708095

版权

我们先来看一道面题
给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在这40亿个数中。【腾讯】

遍历，时间复杂度O(N)
排序(O(NlogN))，利用二分查找: logN
位图解决：数据是否在给定的整形数据中，结果是在或者不在，刚好是两种状态，那么可以使用一个二进制比特位来代表数据是否存在的信息，如果二进制比特位为1，代表存在，为0代表不存在虽然第一次创建都需要遍历一次但以后查找只需要O（1）的时间复杂度

位图
所谓位图，就是用每一位来存放某种状态，适用于海量数据，数据无重复的场景。通常是用
来判断某个数据存不存在的。一个bit位有两种状态 0或1 就可以表示两种数据状态如果需要表示一个数据的多种状态还可以多几个位因为表示一个数据的只需要几个位 1G就要80多个亿的bit位
所以对于海量数据的一些简单判断可以使用位图
位图的实现

template<size_t N> 
class bitset
{
public:
	bitset()
	{
		_set.resize(N/8+1,0);
	}

	void set(size_t n)
	{
		size_t i = n / 8;
		size_t j = n % 8;
		_set[i] |= (1 << j);
	}

	void unset(size_t n)
	{
		size_t i = n / 8;
		size_t j = n % 8;

		_set[i] &= ~(1 << j);
	}

	bool test(size_t n)
	{
		size_t i = n / 8;
		size_t j = n % 8;

		return (_set[i] >> j) & 1;
	}
private:
	vector<char> _set;
};

位图的应用

快速查找某个数据是否在一个集合中
排序 + 去重
求两个集合的交集、并集等
操作系统中磁盘块标记
但位图也有很明显的缺点：位图一般只能处理整形，如果内容编号是字符串，就无法处理了。

布隆过滤器
布隆过滤器是由布隆（Burton Howard Bloom）在1970年提出的一种紧凑型的、比较巧妙的概
率型数据结构，特点是高效地插入和查询，可以用来告诉你 “某样东西一定不存在或者可能存
在”，它是用多个哈希函数，将一个数据映射到位图结构中。此种方式不仅可以提升查询效率，也
可以节省大量的内存空间。
布隆过滤器的实现

struct BKDRHash
{
	size_t operator()(const string& s)
	{
		// BKDR
		size_t value = 0;
		for (auto ch : s)
		{
			value *= 31;
			value += ch;
		}
		return value;
	}
};
struct APHash
{
	size_t operator()(const string& s)
	{
		size_t hash = 0;
		for (long i = 0; i < s.size(); i++)
		{
			if ((i & 1) == 0)
			{
				hash ^= ((hash << 7) ^ s[i] ^ (hash >> 3));
			}
			else
			{
				hash ^= (~((hash << 11) ^ s[i] ^ (hash >> 5)));
			}
		}
		return hash;
	}
};
struct DJBHash
{
	size_t operator()(const string& s)
	{
		size_t hash = 5381;
		for (auto ch : s)
		{
			hash += (hash << 5) + ch;
		}
		return hash;
	}
};

// N 数据个数  X 确认数据范围的一个参数  
template<size_t N,class K=string,class hash1=BKDRHash,class hash2=APHash,class hash3=DJBHash>
class bloomfilter
{
public:
	void set(const K& n)
	{
		int len = N * X;
		int fhash1 = hash1()(n)%len;
		_bs.set(fhash1);

		int fhash2 = hash2()(n)%len;
		_bs.set(fhash2);

		int fhash3 = hash3()(n)%len;
		_bs.set(fhash3);

	}

	bool test(const K& n)
	{
		int len = N * X;
		int fhash1 = hash1()(n) % len;
		if (!_bs.test(fhash1))
			return false;

		int fhash2 = hash2()(n) % len;
		if (!_bs.test(fhash2))
			return false;

		int fhash3 = hash3()(n) % len;
		if (!_bs.test(fhash3))
			return false;

		return true;
	}

private:
	static const size_t X = 6;
	bitset<N * X> _bs;
};

布隆过滤器的查找
布隆过滤器的思想是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
位一定为1。所以可以按照以下方式进行查找：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。
注意：布隆过滤器如果说某个元素不存在时，该元素一定不存在，如果该元素存在时，该元素可
能存在，因为有些哈希函数存在一定的误判。
比如：在布隆过滤器中查找"alibaba"时，假设3个哈希函数计算的哈希值为：1、3、7，刚好和其
他元素的比特位重叠，此时布隆过滤器告诉该元素存在，但实该元素是不存在的。
布隆过滤器删除
布隆过滤器不能直接支持删除工作，因为在删除一个元素时，可能会影响其他元素。
比如：删除上图中"tencent"元素，如果直接将该元素所对应的二进制比特位置0，“baidu”元素也
被删除了，因为这两个元素在多个哈希函数计算出的比特位上刚好有重叠。
一种支持删除的方法：将布隆过滤器中的每个比特位扩展成一个小的计数器，插入元素时给k个计
数器(k个哈希函数计算出的哈希地址)加一，删除元素时，给k个计数器减一，通过多占用几倍存储
空间的代价来增加删除操作。
缺陷：