布隆过滤器之误识别率FPP公式的推导

在《什么是布隆过滤器（Bloom Filter）？》一文中，多次提到了误识别率（FPP，false positive probabilistic）。

那么误识别率到底是多大，应该如何计算呢？

假设布隆过滤器大小为m比特，存储了n个元素，使用k次散列函数来计算元素的存储位置。

• 添加1个元素，则任一比特为1的概率为：1/m，任一比特为0的概率：1-1/m；
• 添加1个元素，执行k次散列之后，则任一比特为0的概率：(1-1/m)^k，任一比特为1的概率：1-(1-1/m)^k；
• 如果添加n个元素，那么任一比特为0的概率：(1-1/m)^kn，任一比特为1的概率：1-(1-1/m)^kn；
• 如果将1个新的元素，添加到已存在n个元素的布隆过滤器中，则任一比特已经为1的概率与上面相同，概率为：1-(1-1/m)^kn。因此，k个比特都为1的概率为：(1-(1-1/m)^kn)^k，此即为新插入元素的误识别率。

当n值比较大时，(1-(1-1/m)^kn)^k约等于：(1-e^-kn/m)^k

其中，e是一个数学常数，是自然对数函数的底数。有时被称为欧拉数（Euler’s number），以瑞士数学家欧拉命名。它是一个无限不循环小数，数值约为2.71828182846。

假定布隆过滤器大小m为16比特，k为8，存储元素n为1，那么误识别（假阳性）的概率是万分之五（5/10000）。

此时，m/n=16，事实上这表示1个元素使用16个比特的空间来存储。

因此，当k相同时，m/n为16/1、32/2、64/4等值时具有相同的误识别率。

将数值代入公式，计算一下万分之五的概率是怎么来的：

kn=8*1=8

kn/m=8/16=1/2

e的-1次方转换为倒数：1/e=0.36787944117

再计算1/e的1/2次方，即对0.36787944117进行开方，得到：0.60653065971144443045693327628786

计算括号内的值：1-0.60653065971144443045693327628786=0.39346934028855556954306672371214

最后再计算k次方：0.39346934028855556954306672371214的8次方=5.7449622219356465294987619912758e-4

计算得到的误识别率为 5.7449622219356465294987619912758e-4 ，即万分之五。

下面是来自http://pages.cs.wisc.edu/~cao/papers/summary-cache/node8.html的一个误识别率表，可以很方便的查询出在m、n和k分别取不同值时的误识别率。

m/ n和 k取不同的值时，布隆过滤器的误识别率.

m/n

k

k=1

k=2

k=3

k=4

k=5

k=6