布隆過濾器(Bloom Filter)的Java實現方法

更新時間：2016年12月10日 09:47:54 投稿：jingxian

下面小編就為大家?guī)硪黄悸∵^濾器(Bloom Filter)的Java實現方法。小編覺得挺不錯的，現在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧

布隆過濾器原理很簡單：就是把一個字符串哈希成一個整數key，然后選取一個很長的比特序列，開始都是0，在key把此位置的0變?yōu)?；下次進來一個字符串，哈希之后的值key，如果在此比特位上的值也是1，那么就說明這個字符串存在了。

如果按照上面的做法，那就和哈希算法沒有什么區(qū)別了，哈希算法還有重復的呢。

布隆過濾器是將一個字符串哈希成多個key，我還是按照書上的說吧。

先建立一個16億二進制常量，然后將這16億個二進制位全部置0。對于每個字符串，用8個不同的隨機產生器（F1,F2,.....,F8）產生8個信息指紋(f1,f2,....,f8).再用一個隨機數產生器G把這八個信息指紋映射到1到16億中的8個自然數g1,g2,...,g8。現在把這8個位置的二進制位全部變?yōu)?。這樣一個布隆過濾器就建好了。

那么如何檢測一個字符串是否已經存在了呢？

現在用8個隨機數產生器（F1,F2,...,F8）對這個字符串產生8個信息指紋s1,s2,...,s8，然后將這8個信息指紋對應到布隆過濾器的8個二進制位，分別是T1,T2,...,T8.如果字符串存在，那么顯然T1,T2,...,T8對應的二進制位都應該是1。就是這樣來判斷字符串是否已經存在的。

其實布隆過濾器就是對哈希算法的一個擴展，既然本質是哈希，那么就肯定會有不足，也就是說，肯定會有誤判，一個字符串明明沒有出現過而布隆過濾器判斷出現了，雖然可能性很小，但是確實存在。

那么如何減少這種概率呢，首先可以想到的是如果將8個信息指紋擴展到16個錯誤的概率肯定會降低，但是也要考慮到，這樣的話，那么一個布隆過濾器所能存儲的字符串數量也降低了1倍；另外就是選取很好的哈希函數，對字符串的哈希方法有很多種，其中不乏很好的哈希函數。

布隆過濾器主要運用在過濾惡意網址用的，將所有的惡意網址建立在一個布隆過濾器上，然后對用戶的訪問的網址進行檢測，如果在惡意網址中那么就通知用戶。這樣的話，我們還可以對一些常出現判斷錯誤的網址設定一個白名單，然后對出現判斷存在的網址再和白名單中的網址進行匹配，如果在白名單中，那么就放行。當然這個白名單不能太大，也不會太大，布隆過濾器錯誤的概率是很小的。有興趣的讀者可以去查閱，布隆過濾器的錯誤率。

下面給出Java版的布隆過濾器源碼：

import java.util.BitSet; 
 
/** 
 * 
 * @author xkey 
 */ 
public class BloomFilter { 
 
  private static final int DEFAULT_SIZE = 2 << 24;//布隆過濾器的比特長度 
  private static final int[] seeds = {3,5,7, 11, 13, 31, 37, 61};//這里要選取質數，能很好的降低錯誤率 
  private static BitSet bits = new BitSet(DEFAULT_SIZE); 
  private static SimpleHash[] func = new SimpleHash[seeds.length]; 
 
  public static void addValue(String value) 
  { 
    for(SimpleHash f : func)//將字符串value哈希為8個或多個整數，然后在這些整數的bit上變?yōu)? 
      bits.set(f.hash(value),true); 
  } 
   
  public static void add(String value) 
  { 
    if(value != null) addValue(value); 
  } 
   
  public static boolean contains(String value) 
  { 
    if(value == null) return false; 
    boolean ret = true; 
    for(SimpleHash f : func)//這里其實沒必要全部跑完，只要一次ret==false那么就不包含這個字符串 
      ret = ret && bits.get(f.hash(value)); 
    return ret; 
  } 
   
  public static void main(String[] args) { 
    String value = "chabaoo.cn"; 
    for (int i = 0; i < seeds.length; i++) { 
      func[i] = new SimpleHash(DEFAULT_SIZE, seeds[i]); 
    } 
    add(value); 
    System.out.println(contains(value)); 
  } 
} 
 
class SimpleHash {//這玩意相當于C++中的結構體 
 
  private int cap; 
  private int seed; 
 
  public SimpleHash(int cap, int seed) { 
    this.cap = cap; 
    this.seed = seed; 
  } 
 
  public int hash(String value) {//字符串哈希，選取好的哈希函數很重要 
    int result = 0; 
    int len = value.length(); 
    for (int i = 0; i < len; i++) { 
      result = seed * result + value.charAt(i); 
    } 
    return (cap - 1) & result; 
  } 
}

總結：布隆過濾器是對哈希算法的一種創(chuàng)新，而且需要消耗的空間也很小，錯誤率很低?？傊@種創(chuàng)新的思路很值得學習，是一種對bit這種數據類型的運用。

以上這篇布隆過濾器(Bloom Filter)的Java實現方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: