摘要:布隆過濾器的實現,包括標準計數標準擴容計數擴容。計數擴容布隆過濾器標準擴容布隆過濾器的子類,功能繼承自標準擴容布隆過濾器,但支持刪除元素的操作。
bloompy
github:bloompy
布隆過濾器的Python3實現,包括標準、計數、標準擴容、計數擴容。更新自pybloom。
安裝pip install bloompy使用
通過bloompy你可以使用四種布隆過濾器
標準布隆過濾器
標準布隆過濾器只能進行數據的查詢和插入,是下面幾種過濾器的基類,可以進行過濾器的存儲和恢復
>>> import bloompy >>> bf = bloompy.BloomFilter(error_rate=0.001,element_num=10**3) # 查詢元素是否在過濾器里返回狀態標識 # 如果不在里面則插入,返回False表示元素不在過濾器里 >>> bf.add(1) False >>> bf.add(1) True >>> 1 in bf True >>> bf.exists(1) True >>> bf.add([1,2,3]) False >>> bf.add([1,2,3]) True >>> [1,2,3] in bf True >>> bf.exists([1,2,3]) True # 將過濾器存儲在一個文件里 >>> bf.tofile("filename.suffix") # 從一個文件里恢復過濾器。自動識別過濾器的種類。 >>> recovered_bf = bloompy.get_filter_fromfile("filename.suffix") # 或者使用過濾器類的類方法 "fromfile" 來進行過濾器的復原。對應的類只能恢復對應的過濾器 >>> recovered_bf = bloompy.BloomFilter.fromfile("filename.suffix") # 返回已經插入的元素個數 >>> bf.count 2 # 過濾器的容量 >>> bf.capacity 1000 # 過濾器的位向量 >>> bf.bit_array bitarray("00....") # 過濾器位數組長度 >>> bf.bit_num 14400 # 過濾器的哈希種子,默認是素數,可修改 >>> bf.seeds [2, 3, 5, 7, 11,...] # 過濾器哈希函數個數 >>> bf.hash_num 10
計數布隆過濾器
標準布隆過濾器的子類,但是計數布隆過濾器可以執行刪除元素額操作。內置默認使用4位二進制位來表示標準布隆過濾器的1個位,從而實現可以增減。
>>> import bloompy >>> cbf = bloompy.CountingBloomFilter(error_rate=0.001,element_num=10**3) # 與標準布隆過濾器一樣 >>> cbf.add(12) False >>> cbf.add(12) True >>> 12 in cbf True >>> cbf.count 1 # 查詢元素狀態返回標識,如果元素存在過濾器里則刪除 >>> cbf.delete(12) True >>> cbf.delete(12) False >>> 12 in cbf False >>> cbf.count 0 # 從文件中恢復過濾器 >>> recovered_cbf = bloompy.CountingBloomFilter.fromfile("filename.suffix")
計數布隆過濾器其他的功能與標準的差不多。
標準擴容布隆過濾器
當插入的元素個數超過當前過濾器的容量時,自動增加過濾器的容量,默認內置一次擴容2倍。支持查詢和插入功能。
>>> import bloompy >>> sbf = bloompy.ScalableBloomFilter(error_rate=0.001,initial_capacity=10**3) # 默認初次可以設置容量1000 >>> len(sbf) 0 >>> 12 in sbf False >>> sbf.add(12) False >>> 12 in sbf True >>> len(sbf) 1 >>> sbf.filters [] >>> sbf.capacity 1000 #當過濾器的元素個數達到容量極限時,過濾器會自動增加內置的標準過濾器, #每次增加2倍容量,自動實現擴容 >>> for i in range(1000): sbf.add(i) >>> 600 in sbf True >>> len(sbf) 2 >>> sbf.filters [ , ] >>> sbf.capacity 3000 # 從文件中恢復過濾器 >>> recovered_sbf = bloompy.ScalableBloomFilter.fromfile("filename.suffix")
其他功能可以參見標準布隆過濾器。
計數擴容布隆過濾器
標準擴容布隆過濾器的子類,功能繼承自標準擴容布隆過濾器,但支持刪除元素的操作。
>>> import bloompy >>> scbf = bloompy.SCBloomFilter(error_rate=0.001,initial_capacity=10**3) >>> scbf.add(1) False >>> 1 in scbf True >>> scbf.delete(1) True >>> 1 in scbf False >>> len(scbf) 1 >>> scbf.filters [存儲與恢復] # 插入元素使其達到過濾器當前容量極限值 >>> for i in range(1100): scbf.add(i) >>> len(scbf) 2 >>> scbf.filters [ , ] # 從文件中恢復過濾器 >>> recovered_scbf = bloompy.SCBloomFilter.fromfile("filename.suffix")
參見標準布隆過濾器,可以通過兩種方式來進行過濾器的存儲與復原:
類方法"fromfile"
函數get_filter_fromfile()
如果你很清楚的知道當前文件中的過濾器是一個標準布隆過濾器,那么你可以使類方法類恢復這個過濾器:bloompy.BloomeFilter.fromfile("filename.suffix)
如果是個計數布隆過濾器,那么就是使用:
bloompy.CountingBloomFilter.fromfile("filename.suffix)
其他也是使用對應的類方法來恢復對應的過濾器。
但如果你不知道文件里存儲是哪種過濾器,可以使用函數:
bloompy.get_filter_fromfile("filename.suffix")
它將會加載文件字節數據,自動判斷過濾器類型并返回對應實例進行復原。
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/42701.html
摘要:答案使用,申請一個長度為類型的,每個位置只表示或,該數組占用空間約。遍歷億個數,當前數為,落在區間,對應。 過濾100億黑名單 題目 假設有100億個URL的黑名單,每個URL最多占用64B,設計一個過濾系統,判斷某條URL是否在黑名單里。 要求 不高于萬分之一的判斷失誤率;額外內存不超過30GB 答案 100億個64B的URL需要640GB的內存,顯然直接存哈希表不合理。考慮布隆過濾...
摘要:如果沖突了,同步頭節點,進行鏈表操作,如果鏈表長度達到,分成紅黑樹。每次加入一個線程都會將的低位加一。擴容最大的幫助線程是,這是低位的最大值限制的。線程處理完之后,如果沒有可選區間,且任務沒有完成,就會將整個表檢查一遍,防止遺漏。 前言 每一次總結都意味著重新開始,同時也是為了更好的開始。ConcurrentHashMap 一直是我心中的痛。雖然不敢說完全讀懂了,但也看了幾個重要的方法...
閱讀 3019·2021-11-24 10:21
閱讀 1588·2021-10-11 10:57
閱讀 2804·2021-09-22 15:24
閱讀 2659·2021-09-22 14:58
閱讀 2331·2019-08-30 13:16
閱讀 3478·2019-08-29 13:05
閱讀 3411·2019-08-29 12:14
閱讀 3441·2019-08-27 10:55