布隆过滤器的实现及其优缺点

布隆过滤器是由一个很长的二进制向量和一系列随机映射函数组成。它可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误判。
布隆过滤器的原理：底层使用的是位图。当一个元素被加入集合时，通过 K 个 Hash 函数将这个元素映射成一个位阵列（Bit array）中的 K 个点，把它们置为 1。检索时，我们只要看看这些点是不是都是 1 就（大约）知道集合中有没有它了：
1、如果这些点有任何一个 0，则被检索元素一定不在；
2、如果都是 1，则被检索元素很可能在。
布隆过滤器的优点 : 空间效率和查询时间都远远超过一般的算法，布隆过滤器存储空间和插入 / 查询时间都是常数O(k)。另外, 散列函数相互之间没有关系，方便由硬件并行实现。布隆过滤器不需要存储元素本身，在某些对保密要求非常严格的场合有优势。
布隆过滤器的缺点：误算率是其中之一。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。(误判补救方法是：再建立一个小的白名单，存储那些可能被误判的信息。)
另外，一般情况下不能从布隆过滤器中删除元素。我们很容易想到把位数组变成整数数组，每插入一个元素相应的计数器加 1, 这样删除元素时将计数器减掉就可以了。然而要保证安全地删除元素并非如此简单。首先我们必须保证删除的元素在布隆过滤器里面. 这一点单凭这个过滤器是无法保证的。另外计数器回绕也会造成问题。
布隆过滤器的实现：
common.h文件，定义五个哈希函数：

//字符转数字:BKDRHashsize_t BKDRHash(const char * str){    unsigned int seed = 131; // 31 131 1313 13131 131313    unsigned int hash = 0;    while (*str)    {        hash = hash * seed + (*str++);    }    return (hash & 0x7FFFFFFF);}//字符转数字:SDBMHashsize_t SDBMHash(const char* str){    register size_t hash = 0;    while(size_t ch = (size_t)*str++)    {    hash = 65599*hash+ch;    //hash = (size_t)ch+(hash<<6)+ (hash<<16)-hash;    }    return hash;}//字符转数字:RSHashsize_t RSHash(const char *str){    register size_t hash = 0;    size_t magic = 63689;    while (size_t ch = (size_t)*str++)    {        hash = hash * magic + ch;        magic *= 378551;    }    return hash;}//字符转数字:APHashsize_t APHash(const char* str){    register size_t hash = 0;    size_t ch;    for (long i = 0; ch = (size_t)*str++; i++)    {        if (0 == (i&1))        {            hash ^= ((hash << 7) ^ (hash >> 3));        }        else        {            hash ^= (~((hash << 11) ^ ch ^ (hash >> 5)));        }    }    return hash;}//字符转数字:JSHashsize_t JSHash(const char* str){    if (!*str)        return 0;    register size_t hash = 1315423911;    while (size_t ch = (size_t)*str++)    {        hash ^= ((hash << 5) + ch + (hash >> 2));    }    return hash;}template<typename K>struct _Fun1{    size_t operator()(const K& key)    {        return BKDRHash(key.c_str());    }};template<typename K>struct _Fun2{    size_t operator()(const K& key)    {        return SDBMHash(key.c_str());    }};template<typename K>struct _Fun3{    size_t operator()(const K& key)    {        return RSHash(key.c_str());    }};template<typename K>struct _Fun4{    size_t operator()(const K& key)    {        return APHash(key.c_str());    }};template<typename K>struct _Fun5{    size_t operator()(const K& key)    {        return JSHash(key.c_str());    }};

底层结构：位图

#include<iostream>#include<vector>using namespace std;class BitMap{public:    BitMap()    {}    BitMap(size_t size)    {        _table.resize((size >> 5) + 1);    }    void Set(int val)//将对应bit位置1--等同于插入一个元素    {        size_t byteNo = val >> 5;        size_t bitNo = val % 32;        _table[byteNo] |= (1 << bitNo);    }    void Reset(int val)//将对应bit位置0--等同于删除一个元素    {        size_t byteNo = val >> 5;        size_t bitNo = val % 32;        _table[byteNo] &= ~(1 << bitNo);    }    bool Test(int val)    {        size_t byteNo = val >> 5;        size_t bitNo = val % 32;        if ((1 << bitNo)&_table[byteNo])        {            return true;        }        else        {            return false;        }    }private:    vector<int> _table;};

布隆过滤器的实现：

#include "BitMap.hpp"#include "common.h"template<typename T,class Fun1 = _Fun1<T>,                  class Fun2 = _Fun2<T>,                  class Fun3 = _Fun3<T>,                  class Fun4 = _Fun4<T>,                  class Fun5 = _Fun5<T>>class BloomFilter{public:    BloomFilter(size_t size)        : _bm(size)        , _capacity(size)    {}    void Insert(const T& key)    {        size_t idx1 = Fun1()(key) % _capacity;        _bm.Set(idx1);        size_t idx2 = Fun2()(key) % _capacity;        _bm.Set(idx2);        size_t idx3 = Fun3()(key) % _capacity;        _bm.Set(idx3);        size_t idx4 = Fun4()(key) % _capacity;        _bm.Set(idx4);        size_t idx5 = Fun5()(key) % _capacity;        _bm.Set(idx5);        cout << idx1 << " " << idx2 << " " << idx3 << " " << idx4 << " " << idx5 << " " << endl;    }    bool Find(const T& key)    {        size_t idx1 = Fun1()(key) % _capacity;        size_t idx2 = Fun2()(key) % _capacity;        size_t idx3 = Fun3()(key) % _capacity;        size_t idx4 = Fun4()(key) % _capacity;        size_t idx5 = Fun5()(key) % _capacity;        if (!_bm.Test(idx1))            return false;        if (!_bm.Test(idx2))            return false;        if (!_bm.Test(idx3))            return false;         if (!_bm.Test(idx4))            return false;         if (!_bm.Test(idx5))            return false;        cout << idx1 << " " << idx2 << " " << idx3 << " " << idx4 << " " << idx5 << " " << endl;        return true;    }private:    BitMap _bm;    size_t _capacity;};void FunTest(){    BloomFilter<string> bf(100);    bf.Insert("圆通");    bf.Insert("韵达");    bf.Insert("天天");    bf.Insert("汇通");    bf.Insert("中通");    cout<<bf.Find("天天")<<endl;    cout << bf.Find("邮政")<<endl;}