Bloom Filter 資料結構的應用

來源：http://www.xymyeah.com/645.html

應用1：儲存字典。大家可能對於 Word 的拼字檢查功能非常瞭解，當你拼錯一個單詞的時候，Word 會自動將這個單詞用紅線標註出來。 Word 的具體工作原理不得而知，但是在另一個拼字檢查器 UNIX spell-checkers 這個軟體中用到了 Bloom Filter。UNIX spell-checkers 將所有的字典單詞存成 Bloom Filter 資料結構，而後直接在 Bloom Filter 上進行查詢。

出錯的情況：漏掉出錯的單詞。

   應用2：資料庫的 semi-join 操作。舉個例子，TA 儲存了 employee / city 欄位， TB 儲存了 city / cost of living 欄位。現在需要將所有 cost of living > 50,000$ 的 employee 找出來，顯然需要 join TA 和 TB。直觀地看，需要將 TB 的所有 city / cost of living 欄位值發給 TB，然後找到
city 相匹配的 join 一下，得出所有 employee / city 欄位值。這樣做是又費時又費力的。Bloom Filter 的做法是把 TB 的 city 欄位做成 Bloom Filter 資料結構發給 TA，讓 TA 中的 city 在這個 Bloom Filter 上做匹配，把所有找到的 employee / city 再重新發個 TB 做 join。 這樣做相當於過濾掉了一部分不存在於
TA 中的city，提高了執行效率。

出錯的情況：不存在。

     應用3：分布式緩衝技術。Web 緩衝技術的原理是一個 proxy 如果要請求網頁，它會先查看其他 proxy 是不是有這個網頁，而不是直接向Web 請求。這樣做可以提高下載網頁的速度。為了減少網路傳輸的資料量，proxy 定時廣播自己以 Bloom Filter 格式儲存的 url，而不是把自己龐大的 url 列表廣播給其他 proxy。

出錯的情況：某 proxy 以為一個 proxy 中存在某個 url，而實際上那個 proxy 中並沒有這個 url。因此會造成一定的延遲。

因為，緩衝的內容頻繁變化，所以 proxy 通常使用 counting bloom filter 存自己緩衝的 url, 而只用 0-1 bloom filter 存別的 proxy 緩衝的 url。

     應用4：p2p。p2p 技術的基本原理是 peer 從來源站點下載檔案的同時也從其他 peer 處下載檔案。通常是一個很大的檔案分布式儲存在很多個 peer 上，這樣就要求在下載時 peer 們相互合作，peer A 需要把自己有但 peer B 沒有的資料發送給 peer B，使用 bloom filter 可以方便地進行集合運算 SA-SB 來找到需要傳輸的資料。

出錯的情況：可能有 SA-SB 中的資料被漏掉，沒有傳到 peer B。

更多請到http://www.xymyeah.com/645.html