Java实现布隆过滤器的方法步骤

程序员文章站 2024-02-28 22:44:46

前言记得前段时间的文章么？，还是需要自己实现一个im在线用户状态的记录，今天来讲讲另一方案，布隆过滤器布隆过滤器的作用是加快判定一个元素是否在集合中出现的方法。因为...

前言

记得前段时间的文章么？，还是需要自己实现一个im在线用户状态的记录，今天来讲讲另一方案，布隆过滤器

布隆过滤器的作用是加快判定一个元素是否在集合中出现的方法。因为其主要是过滤掉了大部分元素间的精确匹配，故称为过滤器。

布隆过滤器

在日常生活工作，我们会经常遇到这的场景，从一个excel里面检索一个信息在不在excel表中，还记得被ctrl+f支配的恐惧么，不扯了，软件开发中，一般会使用散列表来实现，hash table也叫哈希表，哈希表的优点是快速准确，缺点是浪费储存空间，我们这个场景，储存登录的userid到哈希表，当用户规模十分巨大的时候，哈希表的储存效率低的问题就显示出来了，今天介绍一种数学工具：布隆过滤器，它只需要哈希表1/8到1/4的大小就能解决同样的问题。

背书中

布隆过滤器（bloom filter）是由伯顿·布隆（burton bloom）于1970年提出来的，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。

原理

使用我们这个场景，来讲原理吧，假设我们的个人网站同时在线人数达到1亿（意淫一下），要存储这一亿人的在线状态，先构建一个16亿比特位即两亿字节的向量，然后把这16亿个比特位都记为0。对于每一个登录用的userid，使用8个不同的算法产出8个不同信息指纹，在用一个算法把这8个信息隐身到这16亿个比特位的8个位置上，把这8个位置都设置成1，这样就构建成了一个记录一亿用户在线状态的布隆过滤器。

Java实现布隆过滤器的方法步骤
1亿在线用户的布隆过滤器

检索就是同样的原理，使用相同的算法对要检索的userid产生8个信息指纹，然后在看这八个信息指纹在这16亿比特位对应的值是否为1，都为1就说明这个userid在线，下面就用java代码来实现一个布隆过滤器。

java实现布隆过滤器

先实现一个简单的布隆过滤器

package edu.se;

import java.util.bitset;

/**
 * @author zhaoweinan
 * @date 2018/10/28
 * @description
 */
public class bloomfileter {

 //使用加法hash算法，所以定义了一个8个元素的质数数组
 private static final int[] primes = new int[]{2, 3, 5, 7, 11, 13, 17, 19};
 //用八个不同的质数，相当于构建8个不同算法
 private hash[] hashlist = new hash[primes.length];
 //创建一个长度为10亿的比特位
 private bitset bits = new bitset(256 << 22);

 public bloomfileter() {
 for (int i = 0; i < primes.length; i++) {
  //使用8个质数，创建八种算法
  hashlist[i] = new hash(primes[i]);
 }
 }

 //添加元素
 public void add(string value) {
 for (hash f : hashlist) {
  //算出8个信息指纹，对应到2的32次方个比特位上
  bits.set(f.hash(value), true);
 }
 }

 //判断是否在布隆过滤器中
 public boolean contains(string value) {
 if (value == null) {
  return false;
 }
 boolean ret = true;
 for (hash f : hashlist) {
  //查看8个比特位上的值
  ret = ret && bits.get(f.hash(value));
 }
 return ret;
 }

 //加法hash算法
 public static class hash {

 private int prime;

 public hash(int prime) {
  this.prime = prime;
 }

 public int hash(string key) {
  int hash, i;
  for (hash = key.length(), i = 0; i < key.length(); i++) {
  hash += key.charat(i);
  }
  return (hash % prime);
 }
 }

 public static void main(string[] args) {

 bloomfileter bloomfileter = new bloomfileter();
 system.out.println(bloomfileter.contains("5324512515"));
 bloomfileter.add("5324512515");

 //维护1亿个在线用户
 for (int i = 1 ; i < 100000000 ; i ++){
  bloomfileter.add(string.valueof(i));
 }

 long begin = system.currenttimemillis();
 system.out.println(begin);
 system.out.println(bloomfileter.contains("5324512515"));
 long end = system.currenttimemillis();
 system.out.println(end);
 system.out.println("判断5324512515是否在线使用了:" + (begin - end));
 }
}

这段代码是构建了一个10亿位的bitset，然后把一亿个userid加入到了我们的布隆过滤器中，最近判断5324512515这个userid是否登录，打出代码的执行时间

Java实现布隆过滤器的方法步骤
维护了1亿个userid以后检索5324512515是否登录，代码执行时间很短

在让我们来看看内存占用的情况

Java实现布隆过滤器的方法步骤
jvm整个的内存情况

再来看看bloomfileter这个类的实例，就占用了100多mb

Java实现布隆过滤器的方法步骤

实例的大小

看来布隆过滤器对于储存的效率确实很高

布隆过滤器的误识别问题

布隆过滤器的好处在于快速、省空间，但是有一定的误识别率，这个概率很小，要计算出现误识别的概率并不难，下面贴一段书上的话

假定布隆过滤器有m比特，里面有n个元素，每个元素对应k个信息指纹的hash函数，在这个布隆过滤器插入一个元素，那么比特位被设置成1的概率为1/m，它依然为0的概率为1-1/m，那么k个哈希函数都没有把他设置成1的概率为1-1/m的k次方，一个比特在插入了n个元素后，被设置为1的概率为1减1-1/m的kn次方，最后书上给出了一个公式，在这里就不贴了，就贴一个表吧，是m/n比值不同，以及k分别为不同的值得情况下的假阳性概率：

Java实现布隆过滤器的方法步骤
书上的表，直接拍下来的