大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE稳定放心使用
布隆过滤器
今天我们来聊一聊布隆过滤器,了解他之前,我们先看一看是干什么用的
百度百科解释他可以判断一个元素是否在集合中,后面还说了他的效率呀什么的都很好,那既然如此,我们再想象一下为什么需要它!
针对上述问题,如果我们直接任由请求访问数据库,问题1、2 还行,如果是问题3,那数据库大抵要说栓Q了。既然如此,我们结合刚刚看到的 布隆过滤器 正好是用来判断一个元素是否存在集合中。而且它的优点就是 空间效率、查询时间都比别人要好的多。那不得看看他到底是咋好的撒。
别急!先骗一波关注!骗不到也没事,咱也不小心眼,接着往下说;
如何实现高效率的判断一个元素在不在集合中呢!有的小伙伴立刻就联想到了 List.contains()
方法。如果光靠这个方法,在数据量较大的情况,还是会存在效率问题
根据源码我们可以看到他是挨个遍历的,意味每次都要遍历全量的集合。那既然每次都要遍历整个集合,那有什么办法呢?
把集合长度变短!对!布隆过滤器就是这样干的,那元素怎么放呢?
我们可以把任意一个需要比较的元素,通过函数,生成2个或3个甚至更多个整数。道理大致和 hash 差不多,只不过这里是生成多个整数
我们假如二进制向量的长度为9,散列函数的个数为3的布隆过滤器,针对元素X,三个不同的散列函数分别生成的哈希值为1,4,8。则上图转变为:
同理,我们再存一个元素Y,如果散列函数返回 4,6,9 的话,图变为:
假设,我们要判断元素Z,此时通过计算哈希返回 1,4,5 的话,发现其中 5 为 0,就可以判断 元素 Z 不存在此容器中。
由此我们可以客观的判断出其优缺点:
优点:
- 空间占用极小,因为本身不存储数据而是用比特位表示数据是否存在,某种程度有保密的效果。
- 插入与查询时间复杂度均为 O(k),常数级别,k 表示散列函数执行次数
- 散列函数之间可以相互独立,可以在硬件指令层加速计算。
缺点:
- 误差(假存在性)
- 无法删除
布隆过滤器可以 100% 的判断元素不在集合中,但是当集合元素非常多都为1时,此时散列函数凑巧又生成了存在的值,就可以判断为 假性存在(假阳性)
如何解决误差问题
在创建布隆过滤器时我们为了找到合适的 m 和 k ,可以根据预期元素数量 n 与 ε 来推导出最合适的 m 与 k
- 位数组长度 m
- 散列函数个数 k
- 预期元素数量 n
- 期望误差 ε
算法实现:
// 计算哈希次数
@VisibleForTesting
static int optimalNumOfHashFunctions(long n, long m) {
// (m / n) * log(2), but avoid truncation due to division!
return Math.max(1, (int) Math.round((double) m / n * Math.log(2)));
}
// 计算位数组长度
@VisibleForTesting
static long optimalNumOfBits(long n, double p) {
if (p == 0) {
p = Double.MIN_VALUE;
}
return (long) (-n * Math.log(p) / (Math.log(2) * Math.log(2)));
}
这样我们就可以科学的确定数组长度、散列个数。
我们来看下一个问题
无法删除!
布隆过滤器判断一个元素存在就是判断对应位置是否为1
来确定的,但是如果要删除掉一个元素是不能直接把1
改成0
的,因为这个位置可能存在其它元素,所以如果要支持删除,那我们应该怎么做呢?
最简单的做法就是加一个计数器,就是说位数组的每个位如果不存在就是0
,存在几个元素就存具体的数字,而不仅仅只是存1
。那么这就有一个问题,本来存1
就是一位就可以满足了,但是如果要存具体的数字比如说2
,那就需要2
位了,所以带有计数器的布隆过滤器会占用更大的空间。
参考资料:
最后给点个关注吧
关注 『Xiang想』公众号
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/185062.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...