1.一般Bloom过滤器

一.什么是Bloom过滤器？

其原理是：
1.当一个元素被加入集合，通过K个hash函数将这个元素映射为一个位数组中的K个点，把他们置为1。
2.检索时，我们只需要查看我们需要判断的元素通过hash函数计算映射到的这些点是不是都是1来判断：若都为1，则说明可能存在（存在交叉映射的可能）。但只要有一个为0，则一定不存在。

优点：它的存储空间和插入/查询时间都是常数，很快。
缺点：数据集里的元素越多，误判率越大。

二.java代码实现

package Bloom过滤器;
import java.util.BitSet;

public class Bloom {
    private static final int BIT_SIZE = 2 << 29;
    private static final int[] seeds = new int[]{3, 5, 7, 13, 31, 37, 61};//用于生成信息指纹的8个随机数

    private BitSet bits = new BitSet(BIT_SIZE);//BitSet类大小可动态改变, 取值为true或false的位集合。用于表示一组布尔标志。

    private Hash[] func = new Hash[seeds.length];//存储8个哈希值对象

    public Bloom() {//构造方法
        for (int i = 0; i < seeds.length; i++) {

            func[i] = new Hash(BIT_SIZE, seeds[i]);//构造8个哈希对象

        }
    }

    public void addValue(String value)//将字符串value哈希为8个数，然后在这些整数的bit上变为1
    {
        if(value!=null)
        {
            for(Hash f:func)//循环变量f依次取func[]中的值

                bits.set(f.hash(value),true);//将哈希值位置置为1
        }
    }

    public boolean contains(String value)//筛选过滤
    {
        if(value==null)
            return false;
        boolean ret=true;
        //将要比较的字符串重新以上述方法计算hash值，再与bloom过滤器对比
        for(Hash f:func)
        {
            ret=ret&& bits.get(f.hash(value));

        }
        return ret;
    }


    //随机哈希值对象定义
    public static class Hash{
     private int size;//二进制向量数组大小
     private int seed;//随机数种子

      //构造方法
     public  Hash(int cap,int seed){
         this.size=cap;
         this.seed=seed;
     }

     //计算哈希值
     public int hash(String value)
     {
         int result=0;
         int len=value.length();
         for(int i=0;i<len;i++)
         {
             result=seed*result+value.charAt(i);//str.charAt(i)的意思是第i个字符的asc码，输出的是数字
         }
         //System.out.println((size-1)&(result));
         return (size-1)&result;//返回哈希值
     }
    }


    public static void main(String[] args) {

        Bloom b=new Bloom();
        b.addValue("www.baidu.com");
        b.addValue("www.csdn.com");

        System.out.println(b.contains("www.gass.com"));
        System.out.println(b.contains("www.baidu.com"));

    }
}

结果：