布隆过滤器
如果经常判断一个元素是否存在, 可以使用以下数据结构存储
哈希表HashSet, HashMap, 将元素作为key 查找
时间复杂度O(1), 但是空间利用率不高, 占用较多的内存资源
如果是网络爬虫10 亿网站数据, 占用内存可想而知
可以使用布隆过滤器, 来降低内存的占用, 时间复杂度也较低
布隆过滤器
是一个空间效率高的概率性数据结构, 一个元素一定不存在或者可能存在
优点: 空间效率和查询时间都远超过一般的算法
缺点: 有一定的误判率, 删除难
实质上是一个很长的二进制向量和一系列随机映射函数
常见用于, 网页黑名单系统, 垃圾邮件过滤系统, 爬虫的网址判重, 解决缓存穿透问题
原理
假设遍历过滤器由20 位二进制, 3 个哈希函数组成, 每个元素经过好像函数处理都能生成一个索引位置
- 添加元素, 将每一个哈希函数生成的索引位置都设置为1
- 查询元素是否存在
- 如果有一个哈希函数生成的索引位置不为1, 就代表不存在
- 如果每一个哈希函数生成的索引位置都为1, 就代表存在, 但是存在一定的误判率
添加设置二进制位为1
添加, 查询的时间复杂度都是O(k), k 是哈希函数的个数, 空间复杂度是O(m), m 是二进制位的个数
误判率
误判率p 受3 个因素影响, 二进制位的个数m, 哈希函数的个数k, 数据规模n
误判率的影响因素
二进制位个数m,哈希函数个数
public class BloomFilter<T> {
/**
* 二进制向量的长度, 一共有多少个二进制位
*/
private int bitSize;
/**
* 二进制向量
*/
private long[] bits;
/**
* 哈希函数个数
*/
private int hashSize;
/**
* 构造函数
* @param n 数据规模
* @param p 误判率, 取值范围
*/
public BloomFilter(int n, double p) {
if (n <= 0 || p <= 0 || p >= 1) {
throw new IllegalArgumentException("wrong n or g");
}
// 根据公式计算对应数据
double ln2 = Math.log(2);
// 二进制向量长度
bitSize = (int)(-(n * Math.log(p)) / (ln2 * ln2));
hashSize = (int)(bitSize * ln2 / n);
// bits 长度
bits = new long[(bitSize + Long.SIZE - 1) / Long.SIZE];
}
/**
* 添加元素
*/
public boolean put(T value) {
nullCheck(value);
// 利用value 生成2 个整数
int hash1 = value.hashCode();
int hash2 = hash1 >>> 16;
boolean result = false;
for (int i = 0; i < hashSize; i++) {
int combinedHash = hash1 + (i * hash2);
if (combinedHash < 0) {
combinedHash = ~combinedHash;
}
// 生成一个二进制的索引
int index = combinedHash % bitSize;
// 设置第index位置的二进制为1
if (set(index)) result = true;
}
return result;
}
/**
* 判断一个元素是否存在
*/
public boolean contains(T value) {
return false;
}
/**
* 设置index 位置二进制为1
*/
private boolean set(int index) {
// 对应的long 值
long value = bits[index / Long.SIZE];
int bitValue = 1 << (index % Long.SIZE);
bits[index / Long.SIZE] = value | bitValue;
return (value & bitValue) == 0;
}
/**
* 查看index 位置的二进制的值
*/
private boolean get(int index) {
long value = bits[index / Long.SIZE];
return (value & (1 << (index % Long.SIZE))) != 0;
}
private void nullCheck(T value) {
if (value == null) {
throw new IllegalArgumentException("Value must not be null ");
}
}
}
