布隆过滤

最近经常在别人的文章中看到布隆过滤，看了一些应用场景，觉得这个东西还真是在特定的情况能发挥超常的作用。

比如我们在刷今日头条的时候，我们看完一段，然后下刷，头条就推荐一些新文章给我们。

头条有无数个文章，我们也读了一些文章，那么头条是怎么做到不推荐重复文章给我们的呢？这里就是用到布隆过滤的时候了。

 

先来个官方的解释：https://en.wikipedia.org/wiki/Bloom_filter

布隆过滤呢，是布隆这个人在1970提出来的一种数据结构，可以用来计算一个是不是包含在一个超大的集合中，但是有一定的误差。

如果计算到元素不在集合中，那么这个元素一定不在集合中；

如果计算到元素在集合中，那么这个元素可能在集合中。

 

假如我们有m个元素，现在要检查元素x是否在m中。那么布隆是怎么计算检查的呢？

1，建一个长度为n的数组，元素全部为0，

2，h个哈希算法，每个算法都把m中的元素hash成整数N

3，把数组的N元素设置成1

4，增加的时候，再用h个哈希算法，算出h个整数N，再把数组的元素N设置成1

查找时，把元素x，用h个哈希算法，算出h个整数N，如果数组的N元素某个为0，则我们认为x不在m中

这样我们的布隆过滤的数据结构就做好了。从中我们可以看到一些布隆过滤的优点：

1，没有存储m个元素的值

2，速度比较快

缺点就是有时候不准。m的数量越来越多，就越不准确。

有点像现在互联网分布式系统中的CAP理论

CAP原则又称CAP定理，指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可兼得 。