布隆过滤器

java中使用基础类型拼出比特操作的结构(位图)

int[] arr=new int[10];//32bit*10 -> 320bits
//arr[0] int 0~31
//arr[1] int 32~63

int i=178;//取出第178个bit的状态

int numIndex=178/32;
int bitIndex=178%32;

//取178位状态
int s=((arr[numIndex]>>bitIndex)&1);
//把178位的状态改为1
arr[numIndex]=arr[numIndex]|(1<>(i%32))&1;

布隆过滤器是一个大位图
失误类型：

• 黑->白X
• 白->黑V
  

优点：

• 布隆过滤器在空间和时间方面都有巨大的优势，存储空间和插入/查询时间都是常数
• Hash函数之间独立，方便由硬件并行实现
• 不需要存储元素本省，对于某些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，其他任何数据结构都不能
• k和m相同，使用同一组Hash函数的两个布隆过滤器的交并差运算可以使用位操作进行
  缺点：
• 存在误算率(False Positive)，随着存入的元素数量增加，误算率随之增加。但是如果元素数量太少，则使用散列表足矣
• 无法删除元素

添加redisson的Maven坐标

	org.redisson
	redisson-all
	3.16.0

Java代码

Config config = new Config();
config.useSingleServer().setAddress("redis://127.0.0.1:6379");
//构造Redisson
RedissonClient redisson = Redisson.create(config);
RBloomFilter bloomFilter = redisson.getBloomFilter("bloom");
//初始化布隆过滤器：预计元素为1000000L,误判率为1%
bloomFilter.tryInit(1000000L,0.01);
bloomFilter.add("1"); //增加数据
//判断指定编号是否在布隆过滤器中
System.out.println(bloomFilter.contains("1")); //输出true
System.out.println(bloomFilter.contains("8888"));//输出false