Bloom Filter（布隆過濾器）

標籤：不能   原理   初始   增加   結構   技術分享   空間   分享圖片   過濾   

　　Bloom Filter是一種空間效率很高的隨機資料結構，它利用位元組很簡潔地表示一個集合，並能判斷一個元素是否可能屬於這個集合。

　　它的優點是空間效率和查詢時間都遠遠超過一般的演算法，缺點是有一定的誤識別率和刪除困難。

 

　　初始狀態時，Bloom Filter是一個包含m位的位元組，每一位都置為0。

 

 

　　對於n個元素的集合，Bloom Filter使用k個相互獨立的雜湊函數，它們分別將集合中的每個元素映射到位元組中。對任意一個元素x，雜湊函數映射的位置就會被置為1。

　　如果一個位置多次被置為1，那麼只有第一次會起作用，後面幾次將沒有任何效果。

　　在中，k=3，也就是有3個相互獨立的雜湊函數，元素x1分別被映射到位置2,5,9，元素x2分別被映射到位置5,7,11。

 

 

　　如果要判斷某個元素x是否在這個集合裡，對x應用這k個雜湊函數，如果映射的位置都被置1了，就說明元素x可能在這個集合中，如果某一個位置為0，說明元素x一定不在這個集合中。

 

應用情境：

 

　　一組元素存在於磁碟中，資料量特別大，應用程式希望在元素不存在的時候盡量不讀磁碟，此時，可以在記憶體中構建這些磁碟資料的BloomFilter，對於一次讀資料的情況，分為以下幾種情況：

 

　　請求的元素不在磁碟中，如果BloomFilter返回不存在，那麼應用不需要走讀盤邏輯；

　　如果BloomFilter返回可能存在，那麼屬於誤判情況。 請求的元素在磁碟中，BloomFilter返回存在。

 

 

下面摘自維基：

　　如果想判斷一個元素是不是在一個集合裡，一般想到的是將集合中所有元素儲存起來，然後通過比較確定。鏈表，樹，雜湊表等等資料結構都是這種思路。但是隨著集合中元素的增加，我們需要的儲存空間越來越大。同時檢索速度也越來越慢。

　　布隆過濾器的原理是，當一個元素被加入集合時，通過K個散列函數將這個元素映射成一個位元組中的K個點，把它們置為1。檢索時，我們只要看看這些點是不是都是1就（大約）知道集合中有沒有它了：如果這些點有任何一個0，則被檢元素一定不在；如果都是1，則被檢元素很可能在。這就是布隆過濾器的基本思想。

 

優點：

　　相比於其它的資料結構，布隆過濾器在空間和時間方面都有巨大的優勢。

 

缺點：

　　隨著存入的元素數量增加，誤算率隨之增加。但是如果元素數量太少，則使用散列表足矣。

　　另外，一般情況下不能從布隆過濾器中刪除元素。

Bloom Filter（布隆過濾器）