聊聊Bloom Filter

最近在看Hadoop源代码的时候，发现了一个Bloom Filter的数据结构，觉得比较有意思，所以了解了一些，下面是大致的解释，需要detailed information的请Google之：

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。



除了用来去重的场景外，大家有用到Bloom Filter吗？还有些什么场景下，我们可以考虑用它呢？

没有人对这个感兴趣吗？

感兴趣，讲讲怎么回事！！以及实现原理思路

我曾经想用它去实现 新数据和历史数据对比，看是否重复出现。不过这个布隆过滤器实现难度比较大，hash算法实现起来不容易，效果不是很好。有兴趣继续讨论

这个布隆过滤器的原理比较简单，设计一个好的布隆过滤器难度不小啊。

你可以上网找找，《数学之美》系列文章里面有介绍。

我觉得实现起来，难道还是不大的，主要就是多了几次hash操作，以减少冲突的几率，但是理论上还是无法避免的。

整个框架实现起来难度不大，但是 在如何减少 hash的冲突，这个难度是比较大的。
Hadoop源代码 里面有这个？我不了解Hadoop，有时间去看看。