数据结构：布隆过滤器

ETalien_

于 2019-06-10 17:46:49 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

分类专栏：数据结构

本文链接：https://blog.youkuaiyun.com/ETalien_/article/details/90917238

布隆过滤器是一种高效的概率型数据结构，用于判断某元素可能是否存在。它利用多个哈希函数将数据映射到位图中，减少内存占用。虽然存在误判风险，但查询速度快。本文探讨其优点、缺点，并展示其实现代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

布隆过滤器

假如现在有40亿个ip地址（string类型），然后给你一个ip地址，让你查找这个ip地址在不在这40亿个ip地址里？我们应该怎么做呢？

如果用哈希表来处理的话，这里有40亿的数据，数据量太大，因此太占用空间
如果用位图来处理的话，这里因为是字符串，有可能不同的字符串映射的是同一个位，会有哈希冲突的问题，导致误判
因此我们采用的是哈希+位图的方法，也就是布隆过滤器

布隆过滤器是由布隆（Burton Howard Bloom）在1970年提出的一种紧凑型的、比较巧妙的概率型数据结构，特点是高效地插入和查询，可以用来告诉你 “某样东西一定不存在或者可能存在”，它是用多个哈希函数，将一个数据映射到位图结构中。

布隆过滤器的优点：

查询效率高：使用了哈希的思想，一个数据映射了多个位
节省大量的内存空间：采用了位图

布隆过滤器的缺点：

布隆过滤器如果判断出该数据没有，那么这个数据一定没有，因为只要有一个映射的位不存在时，那么该数据就不存在。但是布隆过滤器如果判断出该数据有，那么其实是有可能出现误差的，因为字符串的计算难免会导致某两个字符串映射的几个位置都一样，因为我们写的哈希映射算法是固定的，字符串的随机排列组合是无限多的，所以如果两个字符串计算出来的映射的位一样时，就有可能导致误判。（也就是说这个字符串并不存在，但是由于映射的位和之前的字符串相同，所以就会判断出这个字符串也存在）

布隆过滤器的实现

在这里插入图片描述
布隆过滤器支持set接口，test接口，可以复用位图的set和test接口。但是布隆过滤器不能支持删除，因为通过多个哈希算法一个值会映射多个位，而且不同的值有可能会映射相同的位，如果删除的这个值所对应的位会变成0，那如果其他的值也映射这个位的话，就会导致其他的那个值被判定为不存在，但其实你并没有删除它。因此不支持删除。

那如果一定要实现删除操作呢？那就只能使用引用计数，但是采用引用计数删除的话就需要进行储存这个计数，需要额外的空间，会增大占用内存的大小。使用引用计数就是有多个值同时映射这个位，就把引用计数++，删除时就–，然后判断是否存在则是看值是否大于0。

具体代码如下：

BloomFilter.h

#pragma once

#include <iostream>
#include <string>
#include <vector>
#include "bitset.h"
using namespace std;

template <class K, class HashFunc1, class HashFunc2, class HashFunc3>
class BloomFilter
{
   
   
public:
	BloomFilter(size_t keynum)//开多少位呢？
		:_bs(keynum * 5)
	{
   
   }
	void set(const K& key)
	{
   
   
		//如果是字符串，假如开了50个位，那么你映射的位不一定就在这50个位之间，因此要模上bitnum
		//使计算出来的位都在这50个位里进行映射
		size_t index1 = HashFunc1()(key) % _bs.GetBitNum();
		size_t index2 = HashFunc2()(key) % _bs.GetBitNum();
		size_t index3 = HashFunc3()(key) % _bs.GetBitNum();

		_bs.set(index1)