BloomFilter过滤器过滤算法的简单实现（学习笔记）

BloomFilter主要包括两种操作：

 

add()：添加元素到其中

 

contains()：判断一个元素是否在其中,（没有就是没有，说了有但实际上有可能没有）

 

关于contains()函数：

 

①，如果结果返回false：则元素一定不再其中

 

②，如果返回true，则不一定就在其中，这就是误差

 

 

 

BloomFilter实现（m(byte数组的大小)+k（hash次数）+n(需要存储的数据量)）byte映射,多个hash函数

        既然涉及到byte存储，那么必然需要一种映射关系了，也就是需要知道一个元素用哪些byte来表示，这也就是hash函数所干的事情。直观地想，一个元素一个byte基本上不可能，一般情况下这样的hash函数可以说不存在，所以这里假设用k位来表示，一般采用k次hash来确定这些byte。实际上，BloomFilter中一般包含m(byte数组的大小),k（hash次数）和n(需要存储的数据量)。 在元素加入实现add()操作时，连续k次hash，将得到的对应k位全置为1。当查询元素是否在集合中时，也是连续k次hash，如果这k次得到的位不是全为1，那么返回false；否则返回 true。传统的算法优化都是以时间换空间或者以空间换时间，BloomFilter则是以正确率换空间。

 

原文链接：https://bjyjtdj.iteye.com/blog/1455029

-------------------------------------------------------------------------------------------------------------------------------

 

BloomFilter简单的java例子实现;

 

package com.me;

 

import java.util.BitSet;

 

//BloomFilter主要有两种操作：add()，contains()

public class BloomFilter {

    private int defaultSize = 2 << 20;

    private int basic = defaultSize - 1;

    private BitSet bitSet;

 

    public BloomFilter() {

        bitSet = new BitSet(defaultSize);

    }

 

    // 将元素加入其中，

    public void add(String url) {

        if (url == null) {

            return;

        }

        int key1 = hashA(url);

        int key2 = hashB(url);

        int key3 = hashC(url);

        bitSet.set(key1);

        bitSet.set(key2);

        bitSet.set(key3);

    }

 

    // 判断一个元素是不是在其中

    public boolean contains(String url) {

        if (url == null) {

            return true;

        }

        int key1 = hashA(url);

        int key2 = hashB(url);

        int key3 = hashC(url);

        if (bitSet.get(key1) && bitSet.get(key2) && bitSet.get(key3)) {

            return true;

        }

        return false;

    }

 

    private int check(int speed) {

        return basic & speed;

    }

 

    public boolean ifNotContainsSet(String url) {

        if (url == null) {

            return true;

        }

        int key1 = hashA(url);

        int key2 = hashB(url);

        int key3 = hashC(url);

        if (bitSet.get(key1) && bitSet.get(key2) && bitSet.get(key3)) {

            return true;

        }

        bitSet.set(key1);

        bitSet.set(key2);

        bitSet.set(key3);

        return false;

    }

 

    private int hashA(String url) {

        int speed = 0;

        for (int i = 0; i < url.length(); i++) {

            speed = 13 * speed + url.charAt(i);

        }

        return check(speed);

    }

 

    private int hashB(String url) {

        int speed = 0;

        for (int i = 0; i < url.length(); i++) {

            speed = 23 * speed + url.charAt(i);

        }

        return check(speed);

    }

 

    private int hashC(String url) {

        int speed = 0;

        for (int i = 0; i < url.length(); i++) {

            speed = 34 * speed + url.charAt(i);

        }

        return check(speed);

    }

 

    public static void main(String[] args) {

        String bd = "https://www.baidu.com";

        BloomFilter bloomFilter = new BloomFilter();

 

        

        //not contains

        String tb = "https://www.taobao.com";

        System.out.println(bloomFilter.contains(tb));

        

        //if not contains then add

        System.out.println(bloomFilter.contains(bd));

        bloomFilter.add(bd);

        System.out.println(bloomFilter.contains(bd));

        

        //if not contains  then set (ifNotSet)

        String gg = "https://www.google.com";

        System.out.println(bloomFilter.ifNotContainsSet(gg));

        System.out.println(bloomFilter.contains(gg));

        

    }

}