Bloom Filter概念和原理

Bloom Filter 是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。 Bloom Filter 的这种高效是有一定代价的：在判断一个元素是否属于某个集合时，有可能会把不属于这个集合的元素误认为属于这个集合（ false positive ）。因此， Bloom Filter 不适合那些“零错误”的应用场合。而在能容忍低错误率的应用场合下， Bloom Filter 通过极少的错误换取了存储空间的极大节省。

集合表示和元素查询

下面我们具体来看 Bloom Filter 是如何用位数组表示集合的。初始状态时， Bloom Filter 是一个包含 m 位的位数组，每一位都置为 0 。

                                

为了表达 S={x₁ , x₂ ,…,x_n } 这样一个 n 个元素的集合， Bloom Filter 使用 k 个相互独立的哈希函数（ Hash Function ），它们分别将集合中的每个元素映射到 {1,…,m} 的范围中。对任意一个元素 x ，第 i 个哈希函数映射的位置 h_i (x) 就会被置为 1 （ 1 ≤ i ≤ k ）。注意，如果一个位置多次被置为 1 ，那么只有第一次会起作用，后面几次将没有任何效果。在下图中， k=3 ，且有两个哈希函数选中同一个位置（从左边数第五位）。  

原文：http://blog.csdn.net/jiaomeng/archive/2007/01/27/1495500.aspx