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(Bloom Filter)的Java实现方法

程序员文章站 2024-03-09 12:40:05
布隆过滤器原理很简单:就是把一个字符串哈希成一个整数key,然后选取一个很长的比特序列,开始都是0,在key把此位置的0变为1;下次进来一个字符串,哈希之后的值key,如果...

布隆过滤器原理很简单:就是把一个字符串哈希成一个整数key,然后选取一个很长的比特序列,开始都是0,在key把此位置的0变为1;下次进来一个字符串,哈希之后的值key,如果在此比特位上的值也是1,那么就说明这个字符串存在了。

如果按照上面的做法,那就和哈希算法没有什么区别了,哈希算法还有重复的呢。

布隆过滤器是将一个字符串哈希成多个key,我还是按照书上的说吧。

先建立一个16亿二进制常量,然后将这16亿个二进制位全部置0。对于每个字符串,用8个不同的随机产生器(f1,f2,.....,f8)产生8个信息指纹(f1,f2,....,f8).再用一个随机数产生器g把这八个信息指纹映射到1到16亿中的8个自然数g1,g2,...,g8。现在把这8个位置的二进制位全部变为1。这样一个布隆过滤器就建好了。

那么如何检测一个字符串是否已经存在了呢?

现在用8个随机数产生器(f1,f2,...,f8)对这个字符串产生8个信息指纹s1,s2,...,s8,然后将这8个信息指纹对应到布隆过滤器的8个二进制位,分别是t1,t2,...,t8.如果字符串存在,那么显然t1,t2,...,t8对应的二进制位都应该是1。就是这样来判断字符串是否已经存在的。

其实布隆过滤器就是对哈希算法的一个扩展,既然本质是哈希,那么就肯定会有不足,也就是说,肯定会有误判,一个字符串明明没有出现过而布隆过滤器判断出现了,虽然可能性很小,但是确实存在。

那么如何减少这种概率呢,首先可以想到的是如果将8个信息指纹扩展到16个错误的概率肯定会降低,但是也要考虑到,这样的话,那么一个布隆过滤器所能存储的字符串数量也降低了1倍;另外就是选取很好的哈希函数,对字符串的哈希方法有很多种,其中不乏很好的哈希函数。

布隆过滤器主要运用在过滤恶意网址用的,将所有的恶意网址建立在一个布隆过滤器上,然后对用户的访问的网址进行检测,如果在恶意网址中那么就通知用户。这样的话,我们还可以对一些常出现判断错误的网址设定一个白名单,然后对出现判断存在的网址再和白名单中的网址进行匹配,如果在白名单中,那么就放行。当然这个白名单不能太大,也不会太大,布隆过滤器错误的概率是很小的。有兴趣的读者可以去查阅,布隆过滤器的错误率。

下面给出java版的布隆过滤器源码:

import java.util.bitset; 
 
/** 
 * 
 * @author xkey 
 */ 
public class bloomfilter { 
 
  private static final int default_size = 2 << 24;//布隆过滤器的比特长度 
  private static final int[] seeds = {3,5,7, 11, 13, 31, 37, 61};//这里要选取质数,能很好的降低错误率 
  private static bitset bits = new bitset(default_size); 
  private static simplehash[] func = new simplehash[seeds.length]; 
 
  public static void addvalue(string value) 
  { 
    for(simplehash f : func)//将字符串value哈希为8个或多个整数,然后在这些整数的bit上变为1 
      bits.set(f.hash(value),true); 
  } 
   
  public static void add(string value) 
  { 
    if(value != null) addvalue(value); 
  } 
   
  public static boolean contains(string value) 
  { 
    if(value == null) return false; 
    boolean ret = true; 
    for(simplehash f : func)//这里其实没必要全部跑完,只要一次ret==false那么就不包含这个字符串 
      ret = ret && bits.get(f.hash(value)); 
    return ret; 
  } 
   
  public static void main(string[] args) { 
    string value = "www.jb51.net"; 
    for (int i = 0; i < seeds.length; i++) { 
      func[i] = new simplehash(default_size, seeds[i]); 
    } 
    add(value); 
    system.out.println(contains(value)); 
  } 
} 
 
class simplehash {//这玩意相当于c++中的结构体 
 
  private int cap; 
  private int seed; 
 
  public simplehash(int cap, int seed) { 
    this.cap = cap; 
    this.seed = seed; 
  } 
 
  public int hash(string value) {//字符串哈希,选取好的哈希函数很重要 
    int result = 0; 
    int len = value.length(); 
    for (int i = 0; i < len; i++) { 
      result = seed * result + value.charat(i); 
    } 
    return (cap - 1) & result; 
  } 
} 

总结:布隆过滤器是对哈希算法的一种创新,而且需要消耗的空间也很小,错误率很低。总之这种创新的思路很值得学习,是一种对bit这种数据类型的运用。

以上这篇布隆过滤器(bloom filter)的java实现方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。