filtro Bloom (BloomFilter)

A. Redis de las tres cuestiones principales

nombre problema soluciones
la penetración de la caché Consulta de los datos no existe 布隆过滤器
desglose caché Una invalidación clave de caché mutex
caché de avalancha fallo simultáneo clave de la caché múltiple + tiempo de fallo de tiempo aleatorio

II. Principio del filtro Bloom

La capa inferior se denomina un vector de bits o una matriz de bits binario, los datos de bits almacenados en el no-0 o 1.
Aquí Insertar imagen Descripción
Por función hash elemento está asignada a la posición de bit correspondiente, y esta posición se establece en 1. El (elemento) de hash = 2:
Aquí Insertar imagen Descripción
Cuando se desea consultar si hay un elemento, el primer elemento de una posición de bit correlación de funciones de hash obtenido y, a continuación determina la posición de este bit es 0 o 1, si es 0, entonces este elemento ciertamente no existe, si es 1, entonces no existen realmente los elementos (¿recuerda Lago Daming, la línea clásica: hash值相等,不一定是同一个对象;同一个对象,hash值一定相等).

III. Desventaja filtro Bloom

  • 真假难辨
En efecto deficiencias explicación resolver
Aborto involuntario de la justicia Obtener un elemento en la posición de bit, cuando el juez consideró que esta posición es 1, pero, de hecho, este elemento no existe elemento de almacenamiento separado puede ser un aborto involuntario de la justicia
mal de eliminación Dos o más elementos asignados a la misma posición de bit, que desea eliminar la vez, el 1 a 0, lo que lleva a otros elementos también terminados Filtro de conteo Bloom
Publicado 70 artículos originales · ganado elogios 4 · Vistas 6372

Supongo que te gusta

Origin blog.csdn.net/qq_44837912/article/details/104425408
Recomendado
Clasificación