zoukankan      html  css  js  c++  java
  • 布隆过滤器

    布隆过滤器

    概念
    布隆过滤器是概率型数据结构,由二进制向量和一系列随机映射函数组成。它可以用于检索一个元素是否在一个集合中。
    
    实现过程
    定义向量长度,并赋初值为0
    
    定义N个hash函数,并指定个数(1,N)
    
    将需要存储的值经过n个hash计算得出的值作为key来修改向量的值(0=》1)
    
    查询某个变量值是否不存在在布隆过滤器里面,只需要看它的hash值所对应的向量值是否为0,如果有一个为0,则一定不存在。如果全部为1,也不能证明该变量值一定在布隆过滤器里。
    
    图例展示
    • 初始化向量,并赋予初值为0

    • 添加数据

    • 检查数据

    • 获取结论

    只能判断这个数据完全不存在。但是不能完全判断其存在

    优势/劣势
    • 优势

      • 布隆过滤器存储空间插入/查询时间都是常数。
      • Hash函数相互之间没有关系,方便由硬件并行实现。
      • 布隆过滤器不需要存储元素本身,在某些对保密要求非常严格的场合有优势。
    • 劣势

      • 误差率
      • 难以删除
    删除在布隆过滤器的值


    + 通过引用计数来实现,也就是说在hash值所对应的向量值采用引用计数的方式,如果某个hash值是这个向量所对应的索引,则给它加1.如果要删除这个hash所对应的向量的话,就看其索引值是否为0,如果不是0,就不能删除,否则可以删除。
    + 删除整个布隆过滤器,重新再添加数据。

    代码实现
    • 安装mmh3 pip install mmh3
    • 安装bitarray pip install bitarray
    from bitarray import bitarray
    import mmh3
    # 布隆过滤器实现类
    class BloomFilter(set):
          # 初始化函数,定义向量的长度,和hash的次数
        def __init__(self, size, hash_count):
            super(BloomFilter, self).__init__()
            self.bit_array = bitarray(size)
            self.bit_array.setall(0)
            self.size = size
            self.hash_count = hash_count
    
        def __len__(self):
            return self.size
    
        def __iter__(self):
            return iter(self.bit_array)
          # 添加 数据到 布隆过滤器中
        def add(self, item):
            for ii in range(self.hash_count):
                index = mmh3.hash(item, ii) % self.size
                self.bit_array[index] = 1
            return self
          # 检查 hash值是否在向量中
        def __contains__(self, item):
            out = True
            for ii in range(self.hash_count):
                index = mmh3.hash(item, ii) % self.size
                if self.bit_array[index] == 0:
                    out = False
            return out
    
    # 启动文件
    if __name__ == '__main__':
        bloom = BloomFilter(100, 10)
        companys = ['sina','tencent','alibaba']
        # 将数据添加到布隆过滤器中
        for company in companys:
            bloom.add(company)
        # 查看你添加的公司是否都已已经添加到布隆过滤器中?
        for company in companys:
            if company in bloom:
                print('{} 已添加'.format(company))
            else:
                print('{} 有问题'.format(company))
        # 查看其他公司是否也在布隆过滤器里
        other_companys = ['baidu','sina','facebook','twitter','microsoft','google','kingston','dajiang','douyu','momo','yy']
        for other_company in other_companys:
            if other_company in bloom:
                print('{} 可能在布隆过滤器里'.format(other_company))
            else:
                print('{} 一定不在布隆过滤器里'.format(other_company))
    
  • 相关阅读:
    将vs2010换成vs2012的主题
    写了个油猴脚本
    Myeclipse10下的access数据库配置
    点击按钮触发声音(xaml实现)
    自定义的可拖动窗体
    在博客添加时钟
    定时器写的闪光字
    C语言I博客作业02
    c语言|博客作业02
    关于软件工程的一些疑问
  • 原文地址:https://www.cnblogs.com/xinzaiyuan/p/12234674.html
Copyright © 2011-2022 走看看