python redis实现bloomfilter

本文介绍了一种用于海量数据去重的技术——布隆过滤器,并提供了具体的Python实现示例。通过使用哈希函数与位数组,布隆过滤器能够高效地判断元素是否存在于集合中,特别适用于数据量极大时的快速查询场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

原理

用于海量数据去重,对数据经多次hash,放入bitmap,由于采用hash算法,可能数据可能重复,所以使用前务必按照公式计算错误率

实现

# coding:utf-8
import redis
import mmh3

REDIS_HOST = "192.168.159.128"
TEN_M = 50 * 1024 * 8
BF_KEY = "bf_key"
redis_client = redis.Redis(host=REDIS_HOST, port=6379, db=0)

seeds = [18, 6, 9, 7, 2, 17, 23, 23]


def init_bloom():
    for i in range(0, TEN_M):
        redis_client.setbit(BF_KEY, i, 0)


def add_bloom(str):
    for seed in seeds:
        sign = mmh3.hash(str, seed=seed)
        if sign < 0:
            offset = (sign & 0xffffffff) % TEN_M
            redis_client.setbit(BF_KEY, offset=offset, value=1)
        else:
            offset = sign % TEN_M
            redis_client.setbit(BF_KEY, offset=offset, value=1)


def in_bloom(str):
    for seed in seeds:
        sign = mmh3.hash(str, seed=seed)
        if sign < 0:
            offset = (sign & 0xffffffff) % TEN_M
            if redis_client.getbit(BF_KEY, offset) != 1:
                return False
        else:
            offset = sign % TEN_M
            if redis_client.getbit(BF_KEY, offset) != 1:
                return False
    return True


if __name__ == '__main__':
        print in_bloom("hehe2222222222122222222ffffffffffffffffffffddddddd22222221")

两个有用的公式

计算hash次数:k=(m/n)ln(2)
计算fp(错误率):p=(1-e^kn/m)^k

更多原理内容

Python RedisBloom是一个用于在Redis实现布隆过滤器的Python库。这个库提供了一种简洁而高效的方法来过滤重复的数据或判断元素是否存在。通过使用Redis自带的setbit方法和多个哈希函数,Python RedisBloom可以将字符串映射到不同的比特位,并在查询时判断相应的比特位上的值来确定元素是否存在。 一个使用Python RedisBloom的示例是,可以创建一个ReBloomFilter类来封装操作Redis中的布隆过滤器。在初始化时,可以传入一个哈希列表和容量参数,然后在exists方法中使用哈希列表对元素进行判断,如果任何一个哈希函数返回False,说明元素不存在。而在add方法中,可以使用哈希列表对元素进行哈希并在Redis中设置相应的比特位为1来表示元素的存在。 另外,Python RedisBloom在处理大量数据时也非常适用,因为它可以将数据分散在多个比特位上,从而减少内存占用。这对于爬虫等需要处理大量数据的应用非常有帮助。 总之,Python RedisBloom是一个方便而高效的Python库,可以实现布隆过滤器功能,并且在处理大量数据时更加节省内存。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [pythonRedis实现简单布隆过滤器 BloomFilter](https://blog.youkuaiyun.com/milanla/article/details/119814700)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [xml文件批量处理python脚本](https://download.youkuaiyun.com/download/caoxinri123/88239057)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [[Python3.4]通过Redis利用BloomFilter实现数据去重](https://blog.youkuaiyun.com/u014595019/article/details/50324167)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
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