如果我实现一个只使用一种哈希算法(例如杂音)的布隆过滤器,这仍然被认为是布隆过滤器吗?
例如,如果a
哈希5
,则将设置过滤器的第 5 位。如果b
哈希1
,则将设置过滤器的第 1 位,依此类推...
对于被视为布隆过滤器的东西,是否必须在过滤器中至少设置两个位?如果只设置了一个位,它是否称为其他东西?
它仍然是一个布隆过滤器:一个带有k=1
的过滤器。根据每个元素的位数,它可能不是最节省空间的。但是人们可能会选择不round(bitsPerKey * log(2))
k
的原因有很多,主要是:
- 为了能够更好地压缩:这里最好使用带有
k=1
的布隆过滤器。另请参阅Michael Mitzenmacher的论文"压缩布隆过滤器"。 - 要加快查找和更新速度:使用较低的
k
速度更快。
顺便说一下,即使你只使用一个"应用程序哈希函数"(如 64 位的 Murmur 哈希),您仍然可以选择最节省空间的k
。您只需选择"Bloom 哈希函数"作为此"应用程序哈希函数"(64 位 Murmur 哈希)的函数,如下所示(假设int
是 32 位,long
是 64 位):
long m = murmur(x)
h(x, i) = (int) (m >> 32) + i * (int) m
这实际上比计算多个"应用程序哈希函数"更容易、更快捷。在一个循环中,它看起来像这样:
long m = murmur(x)
int hash = (int) (m >> 32);
int add = (int) m;
for (int i = 0; i < k; i++) {
... test / set the bit depending on "hash" ...
hash += add;
}
许多布隆过滤器库都是这样做的,例如 Guava 中的布隆过滤器实现。