本文介绍了布隆过滤器的基本概念及其工作原理，并通过一个具体的实例演示了如何使用布隆过滤器进行元素检索。文章指出布隆过滤器在空间效率和查询时间方面表现优秀，但在误识别率和删除操作上存在局限。
一句话介绍
布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。
From 百度百科
输入与输出
S：目标查找元素
Z： 被查找元素集(set)
Input: S,Z
Output:
True, S存在于Z
False, S不存在于Z
实际例子
但从文字上是很难理解的，下面举个实际的例子：
| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
1. 首先初始化一个size为20、初始值全为0的数组，和两个hash函数(hash函数的个数由自己定，为讲解方便这里使用两个)：
hashA(x) 和 hashB(x)
函数自己定义就好，只要output能对应到数组的key就行。
另外还有一个被查找元素集：
{'wo','shi','sevens','chan'}
2. 把被查找元素集的每个元素都经过所有的hash函数：
'wo' -> hashA('wo') -> 3
'wo' -> hashB('wo') -> 8
把得到的hash值找到数组的key，然后将值改为1：
| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
同理把所有元素都处理一遍最后得到数组:
| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 |
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
3. 然后就开始查找我们的目标元素(假设我们要查找'sevens')是否在集合中，同理，先把目标元素进行一遍hash取值：
'sevens' -> hashA('sevens') -> 6
'sevens' -> hashB('sevens') -> 15
根据两个hash值可以看到，数组中6和15的位置都为1，所以元素可能存在集合中。反之如果有一个为0，都肯定不存在集合中。
可能存在
是的，布隆过滤器是存在一定的误差率的，特别是数据量大的时候，所以我们只能说元素可能存在集合中。在允许误差的场景下还是可以使用的。
扫一扫
3192
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
