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。
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
|
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
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
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
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:
书上的表,直接拍下来的
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,谢谢大家对服务器之家的支持。
原文链接:https://www.jianshu.com/p/7634eaea3e26