【必会面试题】布隆过滤器

news2024/10/6 16:28:24

基本组成部分：

位数组（Bit Array）：布隆过滤器的核心是一个大型的二进制位数组，初始化时所有位都设置为0。
哈希函数（Hash Functions）：使用多个不同的哈希函数，当一个元素被加入布隆过滤器时，这个元素会被这k个哈希函数分别映射到位数组的不同位置，并将这些位置的比特位设为1。

工作原理：

添加元素：要将一个元素添加到布隆过滤器中，先用k个哈希函数分别计算出k个位置，然后将这些位置的位设为1。
由于使用了多个哈希函数，一个元素通常会导致位数组中的多个位置被置为1。但也因此节省很多空间。
查询元素：要检查一个元素是否在集合中，同样使用这k个哈希函数计算k个位置，如果所有这些位置的位都是1，则算法判断元素“可能”在集合中。但存在一定的误报率，即元素实际上并不在集合中，但由于哈希碰撞，计算出的位置也都是1。

特点：

空间效率高：相比直接存储元素或使用传统的数据结构，布隆过滤器使用更少的内存表示集合。
查询速度快：查询过程只需要对k个位置进行访问，时间复杂度接近O(1)。
误报率：布隆过滤器可能会报告元素在集合中，即使它实际上不在（假阳性）。但它绝不会报告元素不在集合中，如果元素确实存在（无假阴性）。
不可删除性：一旦一个位被设置为1，就不能再回退，因此从布隆过滤器中删除元素比较困难，虽然有一些方法可以部分解决这个问题，但通常是以牺牲其他性能为代价的。

一个简单的示例

以下是一个布隆过滤器的简单代码。
java和redis都提供了好用的布隆过滤器第三方库，直接使用即可。

import java.util.BitSet;

public class BloomFilter {
    private static final int DEFAULT_SIZE = 2 << 24; // 默认位数组大小，可根据需要调整
    private static final int[] seeds = new int[]{7, 11, 13, 31, 37, 61}; // 哈希种子，可以增加以减少误报率
    private BitSet bitSet = new BitSet(DEFAULT_SIZE);
    private SimpleHash[] func;

    public BloomFilter() {
        func = new SimpleHash[seeds.length];
        for (int i = 0; i < seeds.length; i++) {
            func[i] = new SimpleHash(DEFAULT_SIZE, seeds[i]);
        }
    }

    // 添加元素
    public void add(Object value) {
        for (SimpleHash f : func) {
            bitSet.set(f.hash(value), true);
        }
    }

    // 查询元素是否存在
    public boolean contains(Object value) {
        if (value == null) {
            return false;
        }
        boolean ret = true;
        for (SimpleHash f : func) {
            ret = ret && bitSet.get(f.hash(value));
        }
        return ret;
    }

    // 简单的哈希函数实现
    private static class SimpleHash {
        private int cap;
        private int seed;

        public SimpleHash(int cap, int seed) {
            this.cap = cap;
            this.seed = seed;
        }

        // 使用哈希函数计算位置
        public int hash(Object value) {
            int h;
            return (value == null) ? 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));
        }
    }
}

// 使用示例
public class Main {
    public static void main(String[] args) {
        BloomFilter filter = new BloomFilter();
        filter.add("test");
        filter.add("example");
        System.out.println(filter.contains("test")); // 应返回 true
        System.out.println(filter.contains("absent")); // 可能返回 false 或者由于误报返回 true
    }
}