XuePH的博客

1、布隆过滤器概述1）布隆过滤器的使用场景：比如在字处理软件中，需要检查一个英语单词是否拼写正确（也就是要判断它是否在已知的字典中）在 FBI，一个嫌疑人的名字是否已经在嫌疑名单上在网络爬虫里，一个网址是否被访问过以上这些情况，最直接的方法就是将集合中全部的元素存在计算机中，遇到一个新 元素时，将它和集合中的元素直接比较即可。一般来讲，计算机中的集合是用哈希表（hash table）来存储的。它的好处是快速准确，缺点是费存储空间。当集合比较小时，这个问题不显著，但是当集合巨大时，哈希表存储效率

1、背景如何从海量数据中查询某个字符串是否存在？如果使用有序数据采用从前向后的对比查找，时间复杂度为O（n），如果使用折半查找（平衡二叉树），时间复杂度为O（log2nlog_2{n}log2​n）。对于海量数据查找，使用Hash表查询会更高效。2、Hash表概述Hash表又称散列表，基本思路是：设要存储的元素个数是n，设置一个长度为m（m≥n）的连续内存单元（数组）。找到一个哈希函数并计算要存储的值，得到一个哈希值，使得这个哈希值与内存单元地址存在映射关系（也可以与数据下标存在映射关系）。通过哈希

B树1、B树定义AVL树和红黑树都是用作内查找的数据结构，即被查询的数据集合不大，可以放在内存中；B树和B+树是用作外查询的数据结构，其数据是存储在外村中的。B树中所有节点的孩子节点的最大值称为B树的阶，通常用m表示。（节点最大分支数就是阶数）从查找效率来说，要求m≥3B数的要求如下： 树中每个节点最多有m颗子树 若根节点不是叶子节点，则根节点至少有两个子树（分支） 除根节点外，所有非叶子结点最少有[m/2]颗子树 关键字数量n规定：[m/2]-1≤n≤m

1、红黑树简介红黑树（Red Black Tree）是一种重要的数据结构，大多数自平衡BST(self-balancing BST) 库函数都是用红黑树实现的，比如C++中的map 和 set （或者 Java 中的 TreeSet 和 TreeMap）。红黑树也用于实现 Linux 操作系统的 CPU 调度。完全公平调度（Completely Fair Scheduler）使用的就是红黑树2、红黑树与AVL树（二叉平衡树）的比较： AVL树的时间复杂度虽然优于红黑树，但是对于现在的计算机