Guava实现布隆过滤器

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

import java.nio.charset.Charset;

/**
 *
 * @author zhaoj
 * @version BloomFilterTest.java, v 0.1 2020-03-03 17:16
 */
public class BloomFilterTest {
    public static void main(String[] args) {
        //1%,有个概率问题,布隆越大,占用的空间越多,但是错误概率减小了
        BloomFilter bloomFilter= BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()),1000000,0.001);
        bloomFilter.put("111");
        //为true表示在布隆过滤器里
        System.out.println(bloomFilter.mightContain("111"));
    }
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Guava布隆过滤器是一种基于布隆过滤器算法的数据结构,用于高效地判断一个元素是否存在于一个大规模数据集中。它的主要特点是能够快速判断一个元素是否可能存在于集合中,同时能够有效地减少对底层存储的占用空间。 布隆过滤器采用位数组和多个哈希函数的组合方式来实现。当一个元素被插入到布隆过滤器中时,通过多个哈希函数对元素进行计算得到多个哈希值,并将对应的位数组位置标记为1。当判断一个元素是否存在时,同样通过多个哈希函数计算得到多个哈希值,然后检查对应的位数组位置是否都为1,若有一个位置不为1,则认为元素不存在。 Guava布隆过滤器提供了判断元素是否存在的方法以及其他一些相关的操作方法。它不支持删除元素,因为删除一个元素可能会影响到其他元素的判断结果。 Guava布隆过滤器在许多场景下都能发挥重要作用。它可以用于解决去重问题,例如在网络爬虫中过滤已经爬取过的URL,或者在大规模数据集中判断某个元素是否已存在。它也可以用于缓存或数据库查询等场景,用于快速判断某个数据是否可能存在,从而减轻对后端资源的压力。 然而,需要注意的是,Guava布隆过滤器在判断元素存在时可能会出现误判的情况。由于多个元素可能会映射到相同的位数组位置,且存在被多个元素标记为1的情况,因此在判断一个元素是否存在时,不能完全排除误判的可能性。 总而言之,Guava布隆过滤器是一种高效的数据结构,能够用于判断一个元素是否存在于一个大规模数据集中。它在去重、缓存等需求下发挥重要作用,但需要注意误判的可能性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值