Bloom-Filter算法 其實可以看作 bit-map 的一種擴展。

它把已存在的元素通過多個hash 函數映射到一個 bit 序列，對于每一個元素根據hash函數的結果把相應的 位置置一（這個bit序列通常很長，但是比起記住所有元素它占用的空間是小的）。

在判斷一個元素時候已存在的時候，它會把這個元素的多個hash結果對應到bit序列中查看，如果已經全部置為一，那么說明該元素已經存在。

一個Bloom Filter有以下參數：

m	bit數組的寬度（bit數）
n	加入其中的key的數量
k	使用的hash函數的個數
f	False Positive的比率 （假陽性）

為了把錯誤率控制在 f，共有 n 個元素的集合作 bloom filter 其他參數可以由以下公式來定值：

m =nlg(1/f)*lge?(其中 lg 表示以2為底的對數)

k = - ln(f) / ln(2) ????????????

另外對于一個元素非常多的集合要進行?Bloom Filter 操作，必須構造一個返回值范圍很大的 hash 函數。可以用 md5 算法生成十六進制的hash值，然后轉成十進制：

import hashlibm=hashlib.md5() m.update('123123123123123123') print int(m.hexdigest(), base=16)

詳見：http://blog.csdn.net/hguisu/article/details/7866173

轉載于:https://www.cnblogs.com/rav009/p/5131107.html

總結

以上是生活随笔為你收集整理的Bloom-Filter算法 简介的全部內容，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。