bloom filter的开源实现程序memcached bloom filter

文章转自：http://www.heyues.com/mc_bloom_filter/

 

google code 上的介绍

Introduction

Bloom filter 是由 Howard Bloom 在 1970 年提出的二进制向量数据结构，它具有很好的空间和时间效率，被用来检测一个元素是不是集合中的一个成员，被广泛使用于各种海量数据排重的场景中。Mc bloom filter是一个全新的排重服务器，它采用memcached的网络层封装了bloom filter的操作，使各种语言php、java、perl、python、go、c等等，都能使用memcached的协议进行bloom filter的操作。

Details

作者

新浪汤晓刚何跃胡鸿

bloom filter 的简介

bloom_filter的百度百科Google黑板报算法详细介绍

mc bloom filter 的特性

• 完全采用memcached的网络层协议，创建、删除、添加、查看状态等。
• mc bloom filter 是一个全内存的排重服务器，所有数据均放在内存中。
• 可以在一个实例中创建多个bloom filter，在内存允许的情况，可以创建几十G大小的bloom filter，支持最高上百亿的数据排重。
• 采用google员工写的的高性能hash算法murmurhash，保证bloom filter的hash的高速
• 单线程版单机读写速度能达到十万次/s（同网段两台服务器多线程压力测试 服务器配置：8核 Intel(R) Xeon(R) CPU E5620 @ 2.40GHz 12G内存）
• 多线程版单机读写能力均能达到30万次/s(同网段两台服务器多线程压力测试 服务器配置：8核 Intel(R) Xeon(R) CPU E5620 @ 2.40GHz 12G内存）
• 32位、64位服务器兼容。

mc bloom filter 的安装

• bloom filter 使用memcached网络层，依赖于libevent，先登录http://libevent.org/下载最新稳定版本。

  wget https://github.com/downloads/libevent/libevent/libevent-2.0.20-stable.tar.gz
  tar zxvf libevent-2.0.20-stable.tar.gz
  cd libevent-2.0.20-stable
  ./configure
  make && make install

• 在bloom filter 的google code 上，下载mc bloom filter的最新稳定版本

  1.wget bloom filter的最新稳定版本
  2.修改Makefile文件，主要是修改libevent到你的目录
  3.在目录中执行make,生成mc_bloom_filter【线上版】 mc_bloom_filter_【调试版】 两个可执行文件，调试版会打很多日志
  4. nohup ./mc_bloom_filter -p12345 -d -uroot -m4000 –p/tmp/mc_bloom_filter.pid –l127.0.0.1
  日志文件就是当前目录的nohup.out文件

• mc bloom filter的启动参数

参数	是否必须	值的含义
p(小p)	是	监听端口，默认12345
P(大P)	是	pid文件的地址
u(小u)	是	用哪个用户运行
m(小m)	是	最大内存，单位m
d(小d)	是	是否用daemon后台运行
l(小l)	是	监听的ip
t	否	表示线程个数，只多线程版本有此参数，单线程无此参数，t默认为4
v	否	是否将调试的输出打印出来，如果添加这个参数，会在终端或者nohup.out中打印调试信息

mc bloom filter 的命令

add	add key 0 0 value_lengthexpected_max_amount_of_elements|false_positive_rate   比如add test 0 0 13 1000000|0.001 表示创建一个预计存100万，误判率千分之一的bloom filter	成功返回STORED 失败返回NOT_STORED
set	set key 0 0 subkey_lengthsubkey	成功返回STORED 失败返回NOT_STORED
get	get key|subkey	存在返回1，不存在啥都不返回
stats	stats 查看服务器的总体状况	信息列表
stats blooms	列举所有过滤器的名称和占用内存字节大小	信息列表
stats bloom key	可以查看名字为key的bloom filter的详细信息	信息列表
try	try expected_max_amount_of_elements|false_positive_rate比如 try 100000000|0.0001 表示计算1亿个目标存储数，在误判率万分之一的情况下，   需要的内存大小用来预估过滤器所需的内存大小和hash函数个数	信息列表
setmem	setmem size(Mbytes) 用来设定当前进程可使用的内存容量，单位是m,比如要设置内存1G，setmem 1024 成功返回STORED	成功返回STORED，失败返回NOT_STORED

PHP 的使用demo

<?php
  $mc = new Memcache();
  $mc -> add("my_bloom","10000000|0.0001");
  $mc -> set("my_bloom","2222222");
  var_dump($mc->get("my_bloom|2222222");
?>

 

具体的文档在这里https://code.google.com/mc_bloom_filter