布隆過濾器是可以用于判斷一個元素是不是在一個集合里，并且相比于其它的數據結構，布隆過濾器在空間和時間方面都有巨大的優勢。布隆過濾器存儲空間和插入/查詢時間都是常數。但是它也是擁有一定的缺點：布隆過濾器是有一定的誤識別率以及刪除困難的。本文中給出的布隆過濾器的實現，基本滿足了日常使用所需要的功能。
| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
先簡單來說一下布隆過濾器。其實現方法就是：利用內存中一個長度為M的位數組B并初始化里面的所有位都為0，如下面的表格所示：
然后我們根據H個不同的散列函數，對傳進來的字符串進行散列，并且每次的散列結果都不能大于位數組的長度。布隆過濾器的誤判率取決于你使用多少個不同的散列函數，下面給出的代碼中，給出了一些參考的誤判率（參考代碼中的枚舉類：MisjudgmentRate）。現在我們先假定有4個不同散列函數，傳入一個字符串并進行一次插入操作，這時會進行4次散列，假設到了4個不同的下標，這個時候我們就會去數組中，將這些下標的位置置為1，數組變更為：
| 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 |
如果接下來我們再傳入同一個字符串時，因為4次的散列結果都是跟上一次一樣的，所以會得出跟上面一樣的結果，所有應該置1的位都已經置1了，這個時候我們就可以認為這個字符串是已經存在的了。因此不難發現，這是會存在一定的誤判率的，具體由你采用的散列函數質量，以及散列函數的數量確定。
代碼如下：
import java.io.FileInputStream;import java.io.FileOutputStream;import java.io.ObjectInputStream;import java.io.ObjectOutputStream;import java.io.Serializable;import java.util.BitSet;import java.util.concurrent.atomic.AtomicInteger; public class BloomFileter implements Serializable { private static final long serialVersionUID = -5221305273707291280L; private final int[] seeds; private final int size; private final BitSet notebook; private final MisjudgmentRate rate; private final AtomicInteger useCount = new AtomicInteger(0); private final Double autoClearRate; /** * 默認中等程序的誤判率：MisjudgmentRate.MIDDLE 以及不自動清空數據（性能會有少許提升） * * @param dataCount * 預期處理的數據規模，如預期用于處理1百萬數據的查重，這里則填寫1000000 */ public BloomFileter(int dataCount) { this(MisjudgmentRate.MIDDLE, dataCount, null); } /** * * @param rate * 一個枚舉類型的誤判率 * @param dataCount * 預期處理的數據規模，如預期用于處理1百萬數據的查重，這里則填寫1000000 * @param autoClearRate * 自動清空過濾器內部信息的使用比率，傳null則表示不會自動清理， * 當過濾器使用率達到100%時，則無論傳入什么數據，都會認為在數據已經存在了 * 當希望過濾器使用率達到80%時自動清空重新使用，則傳入0.8 */ public BloomFileter(MisjudgmentRate rate, int dataCount, Double autoClearRate) { long bitSize = rate.seeds.length * dataCount; if (bitSize < 0 || bitSize > Integer.MAX_VALUE) { throw new RuntimeException("位數太大溢出了，請降低誤判率或者降低數據大小"); } this.rate = rate; seeds = rate.seeds; size = (int) bitSize; notebook = new BitSet(size); this.autoClearRate = autoClearRate; } public void add(String data) { checkNeedClear(); for (int i = 0; i < seeds.length; i++) { int index = hash(data, seeds[i]); setTrue(index); } } public boolean check(String data) { for (int i = 0; i < seeds.length; i++) { int index = hash(data, seeds[i]); if (!notebook.get(index)) { return false; } } return true; } /** * 如果不存在就進行記錄并返回false，如果存在了就返回true * * @param data * @return */ public boolean addIfNotExist(String data) { checkNeedClear(); int[] indexs = new int[seeds.length]; // 先假定存在 boolean exist = true; int index; for (int i = 0; i < seeds.length; i++) { indexs[i] = index = hash(data, seeds[i]); if (exist) { if (!notebook.get(index)) { // 只要有一個不存在，就可以認為整個字符串都是第一次出現的 exist = false; // 補充之前的信息 for (int j = 0; j <= i; j++) { setTrue(indexs[j]); } } } else { setTrue(index); } } return exist; } private void checkNeedClear() { if (autoClearRate != null) { if (getUseRate() >= autoClearRate) { synchronized (this) { if (getUseRate() >= autoClearRate) { notebook.clear(); useCount.set(0); } } } } } public void setTrue(int index) { useCount.incrementAndGet(); notebook.set(index, true); } private int hash(String data, int seeds) { char[] value = data.toCharArray(); int hash = 0; if (value.length > 0) { for (int i = 0; i < value.length; i++) { hash = i * hash + value[i]; } } hash = hash * seeds % size; // 防止溢出變成負數 return Math.abs(hash); } public double getUseRate() { return (double) useCount.intValue() / (double) size; } public void saveFilterToFile(String path) { try (ObjectOutputStream oos = new ObjectOutputStream(new FileOutputStream(path))) { oos.writeObject(this); } catch (Exception e) { throw new RuntimeException(e); } } public static BloomFileter readFilterFromFile(String path) { try (ObjectInputStream ois = new ObjectInputStream(new FileInputStream(path))) { return (BloomFileter) ois.readObject(); } catch (Exception e) { throw new RuntimeException(e); } } /** * 清空過濾器中的記錄信息 */ public void clear() { useCount.set(0); notebook.clear(); } public MisjudgmentRate getRate() { return rate; } /** * 分配的位數越多，誤判率越低但是越占內存 * * 4個位誤判率大概是0.14689159766308 * * 8個位誤判率大概是0.02157714146322 * * 16個位誤判率大概是0.00046557303372 * * 32個位誤判率大概是0.00000021167340 * * @author lianghaohui * */ public enum MisjudgmentRate { // 這里要選取質數，能很好的降低錯誤率 /** * 每個字符串分配4個位 */ VERY_SMALL(new int[] { 2, 3, 5, 7 }), /** * 每個字符串分配8個位 */ SMALL(new int[] { 2, 3, 5, 7, 11, 13, 17, 19 }), // /** * 每個字符串分配16個位 */ MIDDLE(new int[] { 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53 }), // /** * 每個字符串分配32個位 */ HIGH(new int[] { 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101, 103, 107, 109, 113, 127, 131 }); private int[] seeds; private MisjudgmentRate(int[] seeds) { this.seeds = seeds; } public int[] getSeeds() { return seeds; } public void setSeeds(int[] seeds) { this.seeds = seeds; } } public static void main(String[] args) { BloomFileter fileter = new BloomFileter(7); System.out.println(fileter.addIfNotExist("1111111111111")); System.out.println(fileter.addIfNotExist("2222222222222222")); System.out.println(fileter.addIfNotExist("3333333333333333")); System.out.println(fileter.addIfNotExist("444444444444444")); System.out.println(fileter.addIfNotExist("5555555555555")); System.out.println(fileter.addIfNotExist("6666666666666")); System.out.println(fileter.addIfNotExist("1111111111111")); fileter.saveFilterToFile("C://Users//john//Desktop//1111//11.obj"); fileter = readFilterFromFile("C://Users//john//Desktop//111//11.obj"); System.out.println(fileter.getUseRate()); System.out.println(fileter.addIfNotExist("1111111111111")); }}以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持VeVb武林網。
新聞熱點
疑難解答
圖片精選
