首页>国内 > 正文

如何快速检查元素是否存在?

2022-10-24 10:00:05来源:Java技术指北

大家好,我是指北君。

如标题一样,我们今天看一下一个经常听到,可能没用到的技术。


(资料图)

Guava BloomFilter

布隆过滤器是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多,缺点是有一定的误识别率和删除困难。

基本概念

当需要判断某个元素是否在某个数据集中时,一般会怎么做?

将数据集封装成集合,比如List、Set等

通过集合提供的API判断该元素是否存在于集合

这样的实现比较简单,同时通过现有的JDK都能很快达到目的,但是设想一下,如果上面说到的集合数据量非常的大,这样不仅会耗费较大的存储空间,同时 在集合中检索元素的时间复杂度也会随之增加。那么有没比较好的方法去实现判断元素是否存在这样的情形呢?

也就是布隆过滤器。

通过一系列的Hash函数将元素映射到一个位阵列(Bit Array)中的多个点位上,判断元素是否存在,则是判断所有点位是不是都为1。然而,位阵列上都为1并不一定能够保证该元素一定存在,也有可能是其他元素Hash后落在了该点位上,这就是布隆过滤器的误判。

因此通过布隆过滤器我们可以确定:

元素可能在集合中元素一定不在集合中

应用场景

网页爬虫时忽略已经判定的URL路径邮箱通过设置过滤垃圾邮件集合重复元素的判别,有效判断元素不在集合中防止数据缓存时的缓存穿透问题

优缺点

优点

相比于其它的数据结构,布隆过滤器在空间和时间方面都有巨大的优势。

布隆过滤器存储空间和插入/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,对保密要求非常严格的场合有优势。

布隆过滤器可以表示全集,其它任何数据结构都不能。

缺点

元素存在的误判

一般情况下不支持元素(位阵列)的删除

实现原理

核心其实是元素如何存储?如何判断元素是否存在?核心方法就两个,一个“存”一个检查,里面涉及到了算法相关知识,感兴趣可以深入研究下其实现原理与思想。

put 将元素放入过滤器中,但不是存储
public  boolean put(@ParametricNullness T object, Funnel funnel, int numHashFunctions, LockFreeBitArray bits) {            long bitSize = bits.bitSize(); // 位数组,可以通过redis来实现分布式的布隆过滤器            long hash64 = Hashing.murmur3_128().hashObject(object, funnel).asLong(); //通过funnel将对象转换成基本类型并计算64位hash            int hash1 = (int)hash64; // 取低32位            int hash2 = (int)(hash64 >>> 32); // 取高32位            boolean bitsChanged = false;            //             for(int i = 1; i <= numHashFunctions; ++i) {                int combinedHash = hash1 + i * hash2;                if (combinedHash < 0) {                    combinedHash = ~combinedHash;                }                bitsChanged |= bits.set((long)combinedHash % bitSize);            }            return bitsChanged;        }
mightContain 与put相似,计算的过程相同,不同的是值的判断
public  boolean mightContain(@ParametricNullness T object, Funnel funnel, int numHashFunctions, LockFreeBitArray bits) {            long bitSize = bits.bitSize();            long hash64 = Hashing.murmur3_128().hashObject(object, funnel).asLong();            int hash1 = (int)hash64;            int hash2 = (int)(hash64 >>> 32);            for(int i = 1; i <= numHashFunctions; ++i) {                int combinedHash = hash1 + i * hash2;                if (combinedHash < 0) {                    combinedHash = ~combinedHash;                }                if (!bits.get((long)combinedHash % bitSize)) {                    return false;                }            }            return true;        }

我们可以简单第理解其实现原理?比如现在有一个容器,我们定义为String[] bitArray = new String[26]作为位阵列, 现在有一堆由小写英文组成的元素,我们假定Hash算法为a-z到1~26的映射。

现在有一个元素abc,hash后为1110000000...,保存到bitArray :1110000000...现在有一个元素cde, hash后为0011100000...,保存到bitArray :1111100000...现在又有一个新的元素ade,hash后同样为100110000...,很明显会认为该元素存在,这就是FFP

为什么判断元素一定不在集合中呢?很显然,如果一个元素存在,则该元素hash后的bit数组必须全部都是1,反之则不存在

示例

@Test    public void match(){        BloomFilter filter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()),10000,0.2);        List ids = new ArrayList<>();        IntStream.rangeClosed(1,10000).forEach(index->{            String id = UUID.randomUUID().toString();            ids.add(id);            filter.put( id );        });        ids.forEach(id->{            // 正常情况下全部失败,但是会有 20%的返回true            System.out.println( id + ":" + filter.mightContain( id+1 ));        });    }

流程很简单:

根据配置构建BloomFilter对象通过put方法,初始化数据到filter通过方法mightContain判断元素是否存在结束语

BloomFilter虽然看起来简单,但是其内部的实现包含了很多的数学与算法知识,我们只是通过其简单的API就能各种复杂的功能。关于如何将目前说到的这些在具体的项目中进行实践与集成 后面会来介绍,首先我们能够先了解一些技术一起能解决上面问题,理解了原理与目的,使用也就不是难事。

关键词: 是否存在 存储空间 数据结构 基本类型

相关新闻

Copyright 2015-2020   三好网  版权所有