布隆过滤器是一种高效的空间节省数据结构，用于表示集合并判断元素是否存在，但存在误判的可能性。本文深入介绍了其原理、动画演示及实现方式，特别强调了哈希算法的选择与性能考量。
布隆过滤器（Bloom Filter）是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。Bloom Filter的这种高效是有一定代价的：在判断一个元素是否属于某个集合时，有可能会把不属于这个集合的元素误认为属于这个集合（false positive）。因此，Bloom Filter不适合那些“零错误”的应用场合。而在能容忍低错误率的应用场合下，Bloom Filter通过极少的错误换取了存储空间的极大节省.
布隆过滤器里面的哈希算法很重要，必须是独立且均匀分布的，而且必须要快（密码杂凑比如SHA1不是一个好的选择）。
介绍：[url]http://billmill.org/bloomfilter-tutorial/[/url]
这个网址有动画演示。底部有一些实现的网址。
guava也有一个实现，[url]https://github.com/google/guava/wiki/HashingExplained#BloomFilter[/url]
布隆过滤器里面的哈希算法很重要，必须是独立且均匀分布的，而且必须要快（密码杂凑比如SHA1不是一个好的选择）。
介绍：[url]http://billmill.org/bloomfilter-tutorial/[/url]
这个网址有动画演示。底部有一些实现的网址。
guava也有一个实现，[url]https://github.com/google/guava/wiki/HashingExplained#BloomFilter[/url]
扫一扫
1867
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
