评论

收藏

[Java] Java实现布隆过滤器的方法步骤

编程语言 编程语言 发布于:2021-10-07 16:16 | 阅读数:602 | 评论:0

布隆过滤器是可以用于判断一个元素是不是在一个集合里,并且相比于其它的数据结构,布隆过滤器在空间和时间方面都有巨大的优势。下面这篇文章主要给大家介绍了关于Java实现布隆过滤器的相关资料,需要的朋友可以参考下
前言
记得前段时间的文章么?redis使用位图法记录在线用户的状态,还是需要自己实现一个im在线用户状态的记录,今天来讲讲另一方案,布隆过滤器
布隆过滤器的作用是加快判定一个元素是否在集合中出现的方法。因为其主要是过滤掉了大部分元素间的精确匹配,故称为过滤器。
布隆过滤器
在日常生活工作,我们会经常遇到这的场景,从一个excel里面检索一个信息在不在excel表中,还记得被ctrl+f支配的恐惧么,不扯了,软件开发中,一般会使用散列表来实现,hash table也叫哈希表,哈希表的优点是快速准确,缺点是浪费储存空间,我们这个场景,储存登录的userid到哈希表,当用户规模十分巨大的时候,哈希表的储存效率低的问题就显示出来了,今天介绍一种数学工具:布隆过滤器,它只需要哈希表1/8到1/4的大小就能解决同样的问题。
背书中
布隆过滤器(bloom filter)是由伯顿·布隆(burton bloom)于1970年提出来的,它实际上是一个很长的二进制向量和一系列随机映射函数。
原理
使用我们这个场景,来讲原理吧,假设我们的个人网站同时在线人数达到1亿(意淫一下),要存储这一亿人的在线状态,先构建一个16亿比特位即两亿字节的向量,然后把这16亿个比特位都记为0。对于每一个登录用的userid,使用8个不同的算法产出8个不同信息指纹,在用一个算法把这8个信息隐身到这16亿个比特位的8个位置上,把这8个位置都设置成1,这样就构建成了一个记录一亿用户在线状态的布隆过滤器。
DSC0000.jpg
1亿在线用户的布隆过滤器

检索就是同样的原理,使用相同的算法对要检索的userid产生8个信息指纹,然后在看这八个信息指纹在这16亿比特位对应的值是否为1,都为1就说明这个userid在线,下面就用java代码来实现一个布隆过滤器。
java实现布隆过滤器
先实现一个简单的布隆过滤器
package edu.se;
 
import java.util.bitset;
 
/**
 * @author zhaoweinan
 * @date 2018/10/28
 * @description
 */
public class bloomfileter {
 
 //使用加法hash算法,所以定义了一个8个元素的质数数组
 private static final int[] primes = new int[]{2, 3, 5, 7, 11, 13, 17, 19};
 //用八个不同的质数,相当于构建8个不同算法
 private hash[] hashlist = new hash[primes.length];
 //创建一个长度为10亿的比特位
 private bitset bits = new bitset(256 << 22);
 
 public bloomfileter() {
 for (int i = 0; i < primes.length; i++) {
  //使用8个质数,创建八种算法
  hashlist[i] = new hash(primes[i]);
 }
 }
 
 //添加元素
 public void add(string value) {
 for (hash f : hashlist) {
  //算出8个信息指纹,对应到2的32次方个比特位上
  bits.set(f.hash(value), true);
 }
 }
 
 //判断是否在布隆过滤器中
 public boolean contains(string value) {
 if (value == null) {
  return false;
 }
 boolean ret = true;
 for (hash f : hashlist) {
  //查看8个比特位上的值
  ret = ret && bits.get(f.hash(value));
 }
 return ret;
 }
 
 //加法hash算法
 public static class hash {
 
 private int prime;
 
 public hash(int prime) {
  this.prime = prime;
 }
 
 public int hash(string key) {
  int hash, i;
  for (hash = key.length(), i = 0; i < key.length(); i++) {
  hash += key.charat(i);
  }
  return (hash % prime);
 }
 }
 
 public static void main(string[] args) {
 
 bloomfileter bloomfileter = new bloomfileter();
 system.out.println(bloomfileter.contains("5324512515"));
 bloomfileter.add("5324512515");
 
 //维护1亿个在线用户
 for (int i = 1 ; i < 100000000 ; i ++){
  bloomfileter.add(string.valueof(i));
 }
 
 long begin = system.currenttimemillis();
 system.out.println(begin);
 system.out.println(bloomfileter.contains("5324512515"));
 long end = system.currenttimemillis();
 system.out.println(end);
 system.out.println("判断5324512515是否在线使用了:" + (begin - end));
 }
}
这段代码是构建了一个10亿位的bitset,然后把一亿个userid加入到了我们的布隆过滤器中,最近判断5324512515这个userid是否登录,打出代码的执行时间
DSC0001.jpg
维护了1亿个userid以后检索5324512515是否登录,代码执行时间很短

在让我们来看看内存占用的情况
DSC0002.jpg
jvm整个的内存情况

再来看看bloomfileter这个类的实例,就占用了100多mb
DSC0003.jpg

实例的大小
看来布隆过滤器对于储存的效率确实很高
布隆过滤器的误识别问题
布隆过滤器的好处在于快速、省空间,但是有一定的误识别率,这个概率很小,要计算出现误识别的概率并不难,下面贴一段书上的话
假定布隆过滤器有m比特,里面有n个元素,每个元素对应k个信息指纹的hash函数,在这个布隆过滤器插入一个元素,那么比特位被设置成1的概率为1/m,它依然为0的概率为1-1/m,那么k个哈希函数都没有把他设置成1的概率为1-1/m的k次方,一个比特在插入了n个元素后,被设置为1的概率为1减1-1/m的kn次方,最后书上给出了一个公式,在这里就不贴了,就贴一个表吧,是m/n比值不同,以及k分别为不同的值得情况下的假阳性概率:
DSC0004.jpg
书上的表,直接拍下来的

DSC0005.jpg

书上的表,直接拍下来的
布隆过滤器就为大家说到这里,欢迎大家来交流,指出文中一些说错的地方,让我加深认识。
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对CodeAE代码之家的支持。
原文链接:https://www.jianshu.com/p/7634eaea3e26

关注下面的标签,发现更多相似文章