JAVA實(shí)現(xiàn)較完善的布隆過濾器的示例代碼
布隆過濾器是可以用于判斷一個(gè)元素是不是在一個(gè)集合里,并且相比于其它的數(shù)據(jù)結(jié)構(gòu),布隆過濾器在空間和時(shí)間方面都有巨大的優(yōu)勢(shì)。布隆過濾器存儲(chǔ)空間和插入/查詢時(shí)間都是常數(shù)。但是它也是擁有一定的缺點(diǎn):布隆過濾器是有一定的誤識(shí)別率以及刪除困難的。本文中給出的布隆過濾器的實(shí)現(xiàn),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(jiǎn)單來說一下布隆過濾器。其實(shí)現(xiàn)方法就是:利用內(nèi)存中一個(gè)長(zhǎng)度為M的位數(shù)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(jù)H個(gè)不同的散列函數(shù),對(duì)傳進(jìn)來的字符串進(jìn)行散列,并且每次的散列結(jié)果都不能大于位數(shù)組的長(zhǎng)度。布隆過濾器的誤判率取決于你使用多少個(gè)不同的散列函數(shù),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)?,F(xiàn)在我們先假定有4個(gè)不同散列函數(shù),傳入一個(gè)字符串并進(jìn)行一次插入操作,這時(shí)會(huì)進(jìn)行4次散列,假設(shè)到了4個(gè)不同的下標(biāo),這個(gè)時(shí)候我們就會(huì)去數(shù)組中,將這些下標(biāo)的位置置為1,數(shù)組變更為:
0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 |
如果接下來我們?cè)賯魅胪粋€(gè)字符串時(shí),因?yàn)?次的散列結(jié)果都是跟上一次一樣的,所以會(huì)得出跟上面一樣的結(jié)果,所有應(yīng)該置1的位都已經(jīng)置1了,這個(gè)時(shí)候我們就可以認(rèn)為這個(gè)字符串是已經(jīng)存在的了。因此不難發(fā)現(xiàn),這是會(huì)存在一定的誤判率的,具體由你采用的散列函數(shù)質(zhì)量,以及散列函數(shù)的數(shù)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(rèn)中等程序的誤判率:MisjudgmentRate.MIDDLE 以及不自動(dòng)清空數(shù)據(jù)(性能會(huì)有少許提升) * * @param dataCount * 預(yù)期處理的數(shù)據(jù)規(guī)模,如預(yù)期用于處理1百萬數(shù)據(jù)的查重,這里則填寫1000000 */ public BloomFileter(int dataCount) { this(MisjudgmentRate.MIDDLE, dataCount, null); } /** * * @param rate * 一個(gè)枚舉類型的誤判率 * @param dataCount * 預(yù)期處理的數(shù)據(jù)規(guī)模,如預(yù)期用于處理1百萬數(shù)據(jù)的查重,這里則填寫1000000 * @param autoClearRate * 自動(dòng)清空過濾器內(nèi)部信息的使用比率,傳null則表示不會(huì)自動(dòng)清理, * 當(dāng)過濾器使用率達(dá)到100%時(shí),則無論傳入什么數(shù)據(jù),都會(huì)認(rèn)為在數(shù)據(jù)已經(jīng)存在了 * 當(dāng)希望過濾器使用率達(dá)到80%時(shí)自動(dòng)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(shù)太大溢出了,請(qǐng)降低誤判率或者降低數(shù)據(jù)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(jìn)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(gè)不存在,就可以認(rèn)為整個(gè)字符串都是第一次出現(xiàn)的 exist = false; // 補(bǔ)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(fù)數(shù) 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(shù)越多,誤判率越低但是越占內(nèi)存 * * 4個(gè)位誤判率大概是0.14689159766308 * * 8個(gè)位誤判率大概是0.02157714146322 * * 16個(gè)位誤判率大概是0.00046557303372 * * 32個(gè)位誤判率大概是0.00000021167340 * * @author lianghaohui * */ public enum MisjudgmentRate { // 這里要選取質(zhì)數(shù),能很好的降低錯(cuò)誤率 /** * 每個(gè)字符串分配4個(gè)位 */ VERY_SMALL(new int[] { 2, 3, 5, 7 }), /** * 每個(gè)字符串分配8個(gè)位 */ SMALL(new int[] { 2, 3, 5, 7, 11, 13, 17, 19 }), // /** * 每個(gè)字符串分配16個(gè)位 */ MIDDLE(new int[] { 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53 }), // /** * 每個(gè)字符串分配32個(gè)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?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Java初級(jí)必看的數(shù)據(jù)類型與常量變量知識(shí)點(diǎn)
這篇文章主要給大家介紹了關(guān)于Java初級(jí)必看的數(shù)據(jù)類型與常量變量知識(shí)點(diǎn)的相關(guān)資料,需要的朋友可以參考下2023-11-11SpringBoot整合Apache Ignite的實(shí)現(xiàn)
本文主要介紹了SpringBoot整合Apache Ignite的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-10-10Java實(shí)現(xiàn)數(shù)據(jù)脫敏的方法詳細(xì)講解
這篇文章主要給大家介紹了關(guān)于Java實(shí)現(xiàn)數(shù)據(jù)脫敏的相關(guān)資料,數(shù)據(jù)脫敏是指對(duì)某些敏感信息通過脫敏規(guī)則進(jìn)行數(shù)據(jù)的變形,實(shí)現(xiàn)敏感隱私數(shù)據(jù)的可靠保護(hù),需要的朋友可以參考下2023-06-06