Guava-BloomFilter

xiaoxiao2021-02-28  8

 http://blog.csdn.net/jiaomeng/article/details/1495500中这么介绍布隆过滤器

  Bloom Filter是一种空间效率很高的随机数据结构,它利用位数组很简洁地表示一个集合,并能判断一个元素是否属于这个集合。Bloom Filter的这种高效是有一定代价的:在判断一个元素是否属于某个集合时,有可能会把不属于这个集合的元素误认为属于这个集合(false positive)。因此,Bloom Filter不适合那些“零错误”的应用场合。而在能容忍低错误率的应用场合下,Bloom Filter通过极少的错误换取了存储空间的极大节省。

  http://www.360doc.com/content/14/0914/13/7703112_409376352.shtml中讨论了使用布隆过滤器实现java缓存的架构。开源爬虫webmagic,也实现了一个基于它的url队列的构件。u

  guava中这样介绍它,A Bloom filter offers an approximate containment test with one-sided error: if it claims that an element is contained in it, this might be in error, but if it claims that an element is not contained in it, then this is definitely true.下面的这个例子使用的是guava-18.0.jar。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 package  com;   import  java.nio.charset.Charset;   import  com.google.common.hash.BloomFilter; import  com.google.common.hash.Funnels;   public  class  Bloom {            public  static  void  main(String[] args) {          BloomFilter<String> b = BloomFilter.create(Funnels.stringFunnel(Charset.forName( "utf-8" )),  1000 ,  0.000001 );          b.put( "121" );          b.put( "122" );          b.put( "123" );          System.out.println(b.mightContain( "12321" ));          BloomFilter<String> b1 = BloomFilter.create(Funnels.stringFunnel(Charset.forName( "utf-8" )),  1000 ,  0.000001 );          b1.put( "aba" );          b1.put( "abb" );          b1.put( "abc" );          b1.putAll(b);          System.out.println(b1.mightContain( "123" ));      }   }
转载请注明原文地址: https://www.6miu.com/read-2150216.html

最新回复(0)