weixin_73273374的博客

哈希函数在数据结构中很常见，实际数据结构中利用非常多，在布隆过滤器中有两种功能的哈希函数在布隆过滤器的位向量中，哈希函数将集合元素映射后作为位向量地址存储到位向量的某些位置上。当集合元素的数据类型和长度各不相同时，哈希函数可以将这些不同的数据统一映射为相同长度的二进制串（开发中常见的是使用MD5函数 ——无论输入的数据长度如何，都会得到长度相同的输出），也就是元素的指纹。这样一来，不论元素的实际数据类型如何，布隆过滤器都可以以统一的方式处理并存储这些元素。再通过这个元素进行地址映射哈希得到相应的存储地址。

是一种用于快速判断一个元素是否属于集合的数据结构，其核心思想是通过多个哈希函数（散列函数）将元素映射到位数组中利用位数的唯一性来表示元素的存在性。标准BF的基本操作分为元素查找和元素插入。元素插入举例S1=100 , 哈希函数分别为h1=xmod7 ,h2=xmod9 h3=xmod6，S1通过哈希函数H1的结果是2，H2的结果是1 ，H3的结果是4。分别映射到位向量B的第2位第1位和第4位，使其存储结果由0变1。S2=50，S2通过哈希函数H2的结果是1，和S1一样，此时B中第1位结果仍然是1。

之前介绍的优化方案（）仅仅是对过滤器进行了结构上的拆分（分层型和分块型），并没有改变过滤器的本质，这导致这些优化方案只是改变了 BF 的操作逻辑，并没有改变具体操作过滤器的步骤和方法，也就只针对特定的应用场景优化了。本文将介绍 5 个改进结构的过滤器优化方案，它们从本质上改进了 BF 的结构，包括过滤器向量类型、过滤器扩展策略和哈希映射范围。