欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

布隆过滤器的原理以及java 简单实现

程序员文章站 2022-03-16 21:44:06
一.布隆过滤器布隆过滤器(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...

一.布隆过滤器

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。

如果想判断一个元素是不是在一个集合里,一般想到的是将集合中所有元素保存起来,然后通过比较确定。链表、树、散列表(又叫哈希表,hash table)等等数据结构都是这种思路。但是随着集合中元素的增加,我们需要的存储空间越来越大。同时检索速度也越来越慢,上述三种结构的检索时间复杂度分别为:o(n), o(log n), o(n/k)。

布隆过滤器的原理是,当一个元素被加入集合时,通过k个hash函数将这个元素映射成一个位数组中的k个点,把它们置为1。检索时,我们只要看看这些点是不是都是1就(大约)知道集合中有没有它了:如果这些点有任何一个0,则被检元素一定不在;如果都是1,则被检元素很可能在。这就是布隆过滤器的基本思想。

布隆过滤器数据结构

布隆过滤器是一个 bit 向量或者说 bit 数组,长这样:

布隆过滤器的原理以及java 简单实现

如果我们要映射一个值到布隆过滤器中,我们需要使用多个不同的哈希函数生成多个哈希值,并对每个生成的哈希值指向的 bit 位置 1,例如针对值 “baidu” 和三个不同的哈希函数分别生成了哈希值 1、4、7,则上图转变为:

布隆过滤器的原理以及java 简单实现

值得注意的是,4 这个 bit 位由于两个值的哈希函数都返回了这个 bit 位,因此它被覆盖了。现在我们如果想查询 “dianping” 这个值是否存在,哈希函数返回了 1、5、8三个值,结果我们发现 5 这个 bit 位上的值为 0,说明没有任何一个值映射到这个 bit 位上,因此我们可以很确定地说 “dianping” 这个值不存在。而当我们需要查询 “baidu” 这个值是否存在的话,那么哈希函数必然会返回 1、4、7,然后我们检查发现这三个 bit 位上的值均为 1,那么我们可以说 “baidu” 存在了么?答案是不可以,只能是 “baidu” 这个值可能存在。

这是为什么呢?答案跟简单,因为随着增加的值越来越多,被置为 1 的 bit 位也会越来越多,这样某个值 “taobao” 即使没有被存储过,但是万一哈希函数返回的三个 bit 位都被其他值置位了 1 ,那么程序还是会判断 “taobao” 这个值存在。

支持删除么

目前我们知道布隆过滤器可以支持 add 和 isexist 操作,那么 delete 操作可以么,答案是不可以,例如上图中的 bit 位 4 被两个值共同覆盖的话,一旦你删除其中一个值例如 “tencent” 而将其置位 0,那么下次判断另一个值例如 “baidu” 是否存在的话,会直接返回 false,而实际上你并没有删除它。

如何解决这个问题,答案是计数删除。但是计数删除需要存储一个数值,而不是原先的 bit 位,会增大占用的内存大小。这样的话,增加一个值就是将对应索引槽上存储的值加一,删除则是减一,判断是否存在则是看值是否大于0。

代码简单实现布隆过滤器

package com.jd.demo.test;

import java.util.arrays;
import java.util.bitset;
import java.util.concurrent.atomic.atomicboolean;

public class mybloomfilter {
  //你的布隆过滤器容量
  private static final int default_size = 2 << 28;
  //bit数组,用来存放结果
  private static bitset bitset = new bitset(default_size);
  //后面hash函数会用到,用来生成不同的hash值,可随意设置,别问我为什么这么多8,图个吉利
  private static final int[] ints = {1, 6, 16, 38, 58, 68};

  //add方法,计算出key的hash值,并将对应下标置为true
  public void add(object key) {
    arrays.stream(ints).foreach(i -> bitset.set(hash(key, i)));
  }

  //判断key是否存在,true不一定说明key存在,但是false一定说明不存在
  public boolean iscontain(object key) {
     boolean result = true;
    for (int i : ints) {
    	//短路与,只要有一个bit位为false,则返回false
      result = result && bitset.get(hash(key, i));
    }
    return result;
  }

  //hash函数,借鉴了hashmap的扰动算法
  private int hash(object key, int i) {
    int h;
    return key == null ? 0 : (i * (default_size - 1) & ((h = key.hashcode()) ^ (h >>> 16)));
  }
}

测试

public static void main(string[] args) {
  mynewbloomfilter mynewbloomfilter = new mynewbloomfilter();
  mynewbloomfilter.add("张学友");
  mynewbloomfilter.add("郭德纲");
  mynewbloomfilter.add(666);
  system.out.println(mynewbloomfilter.iscontain("张学友"));//true
  system.out.println(mynewbloomfilter.iscontain("张学友 "));//false
  system.out.println(mynewbloomfilter.iscontain("张学友1"));//false
  system.out.println(mynewbloomfilter.iscontain("郭德纲"));//true
  system.out.println(mynewbloomfilter.iscontain(666));//true
  system.out.println(mynewbloomfilter.iscontain(888));//false
}

二.具体代码使用

在实际应用当中,我们不需要自己去实现bloomfilter。可以使用guava提供的相关类库即可。

<dependency>
  <groupid>com.google.guava</groupid>
  <artifactid>guava</artifactid>
  <version>25.1-jre</version>
</dependency>12345

判断一个元素是否在集合中

public class test1 {

  private static int size = 1000000;

  private static bloomfilter<integer> bloomfilter = bloomfilter.create(funnels.integerfunnel(), size);

  public static void main(string[] args) {
    for (int i = 0; i < size; i++) {
      bloomfilter.put(i);
    }

    long starttime = system.nanotime(); // 获取开始时间
    //判断这一百万个数中是否包含29999这个数
    if (bloomfilter.mightcontain(29999)) {
      system.out.println("命中了");
    }
    long endtime = system.nanotime();  // 获取结束时间
    system.out.println("程序运行时间: " + (endtime - starttime) + "纳秒");
  }

}

运行结果如下:

命中了
程序运行时间: 441616纳秒

自定义错误率

public class test3 {

  private static int size = 1000000;

  private static bloomfilter<integer> bloomfilter = bloomfilter.create(funnels.integerfunnel(), size, 0.01);

  public static void main(string[] args) {
    for (int i = 0; i < size; i++) {
      bloomfilter.put(i);
    }
    list<integer> list = new arraylist<integer>(1000);
    // 故意取10000个不在过滤器里的值,看看有多少个会被认为在过滤器里
    for (int i = size + 10000; i < size + 20000; i++) {
      if (bloomfilter.mightcontain(i)) {
        list.add(i);
      }
    }
    system.out.println("误判的数量:" + list.size());
  }

}

运行结果如下:

误判的数量:941

对于缓存宕机的场景,使用白名单或者布隆过滤器都有可能会造成一定程度的误判。原因是除了bloom filter 本身有误判率,宕机之前的缓存不一定能覆盖到所有db中的数据,当宕机后用户请求了一个以前从未请求的数据,这个时候就会产生误判。当然,缓存宕机时使用白名单/布隆过滤器作为应急的方式,这种情况应该也是可以忍受的。

以上就是布隆过滤器的原理以及java 简单实现的详细内容,更多关于java 布隆过滤器的资料请关注其它相关文章!