0x00 前言
程序员应该无所畏惧,所以,一起来推导数学公式吧!
上文我们分享了 Bloom Filter 的基本原理和代码实现,在文章的结尾提到了 BF 的误判率以及几个重要参数的选取,我们只给出了最后的公式,而没有具体的推导过程。 这是会被狠狠地挑战的,本着追根刨底的精神,我们推导一下 BF 相关的数学公式。
文章结构
本文会分享关于 BF 的三个知识点:
- 错误率公式的推导
- 最佳哈希函数个数的推导
- BF 的基数估计公式,即如何计算 BF 中的元素个数
0x01 背景补充
错误率
错误率有两种:
- FP = A false positive error, or in short a false positive, commonly called a “false alarm”, is a result that indicates a given condition exists, when it does not.
- FN = A false negative error, or in short a false negative, is a test result that indicates that a condition does not hold, while in fact it does.
对应 BF 的情况下,FP 就是「集合里没有某元素,查找结果是有该元素」,FN 就是「集合里有某元素,查找结果是没有该元素」。
FN 显然总是0,只要集合中有某元素,那么肯定能查到。FP 会随着 BF 中插入元素的数量而增加——极限情况就是所有 bit 都为 1,这时任何元素都会被认为在集合里。
0x02 数学推导
一、误判率怎么来?
假设哈希函数以相等的概率选择位数组中的位置。如果 m 是位数组中的比特数,则在插入元素期间某一特定比特位不被某个哈希函数设置为 1 的概率是:
1−1m
如果哈希函数的数量是 k,则通过 k 个哈希函数都未将该位设置为 1 的概率是:
(1−1m)k
那么,如果我们插入了 n 个元素,某个位仍然为 0 的概率就是:
(1−1m)k