文章目錄

• 布隆過濾器介紹
• 布隆過濾器原理
• 布隆過濾器的優缺點與用途
• 布隆過濾器使用場景

布隆過濾器介紹

????布隆過濾器（Bloom Filter）由 Burton Howard Bloom 在 1970 年提出，是一種空間效率高的概率型數據結構。它專門用來檢測集合中是否存在特定的元素。

布隆過濾器帶有以下特點：

• 一個很長的二進制向量（位數組）
• 一系列隨機函數（哈希）
• 空間效率和查詢效率高
• 有一定的誤判率（哈希表是精確匹配）

布隆過濾器原理

布隆過濾器（Bloom Filter）的核心是實現一個超大的位數組和幾個哈希函數。

????假設位數組的長度為m，哈希函數的個數為k，以上圖為例。
具體操作流程如下：

假設集合里面有3個元素 {x,y,z}，哈希函數的個數為3。首先將位數組進行初始化，將里面每個位都設置為0。

對于集合里面的每一個元素，將元素依次通過3個哈希函數進行映射，每次映射都會產生一個哈希值，這個值對應位數組上面的一個點，然后將位數組對應的位置標記為1。

查詢 W 元素是否存在集合中的時候，同樣的方法將 W 通過哈希映射到位數組上的3個點。

如果3個點的其中有一個點不為1，則可以判斷該元素一定不存在集合中。 反之，如果3個點都為1，則該元素可能存在集合中。

注意：此處不能判斷該元素是否一定存在集合中，可能存在一定的誤判率。

可以從圖中可以看到：假設某個元素通過映射對應下標為4、5、6這3個點。雖然這3個點都為1，但是很明顯這3個點是不同元素經過哈希得到的位置，因此這種情況說明元素雖然不在稽核中，也可能對應的都是1，這是誤判率存在的原因。

布隆過濾器添加元素

• 將要添加的元素給k個哈希函數
• 得到對應于位數組上的k個位置
• 將這k個位置設為1

布隆過濾器查詢元素

• 將要查詢的元素給k個哈希函數
• 得到對應于位數組上的k個位置
• 如果k個位置有一個為0，則肯定不在集合中
• 如果k個位置全部為1，則可能在集合中

布隆過濾器的優缺點與用途

優點

• 不需要存儲數據本身，只用比特表示，因此空間占用相對于傳統方式有巨大的優勢，并且能夠保密數據；
• 時間效率也較高，插入和查詢的時間復雜度均為O(k)；
• 哈希函數之間相互獨立，可以在硬件指令層面并行計算。

缺點

• 存在假陽性的概率，不適用于任何要求 100% 準確率的場景；
• 只能插入和查詢元素，不能刪除元素，這與產生假陽性的原因是相同的。我們可以簡單地想到通過計數（即將一個比特擴展為計數值）來記錄元素數，但仍然無法保證刪除的元素一定在集合中。

????所以，Bloom Filter 在對查準度要求沒有那么苛刻，而對時間、空間效率要求較高的場合非常合適，本文第一句話提到的用途即屬于此類。另外，由于它不存在 假陰性 問題，所以用作“不存在”邏輯的處理時有奇效，比如可以用來作為 緩存系統（如Redis）的緩沖，防止緩存穿透。

布隆過濾器使用場景

總結

以上是生活随笔為你收集整理的HBase学习笔记（三）——布隆过滤器(Bloom Filter)的原理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。