文章介绍了布隆过滤器的关键参数，包括数据量(n)、预期失误率(p)、所需bit位(m)和哈希函数数量(k)，并探讨了m/n与误判率的关系。当k固定时，m/n增大可降低误判率；反之，当m/n固定时，增大k会增加误判率。以100亿样本和0.0001的失误率为例，计算得出需要约22.3GB的空间和14个哈希函数。
布隆过滤器主要有下面的参数：
1.假设数据量为n，预期的失误率为p（布隆过滤器大小和每个样本的大小无关）。
2.根据n和p，算出BloomFilter一共需要多少个bit位，向上取整，记为m。
3.根据m和n，算出BloomFilter需要多少个哈希函数，向上取整，记为k。
4.根据修正公式，算出真实的失误率p_true。
结论
当k固定的时候，m/n越大，误判率越小
当m/n固定的时候，k越大，误判率越大
布隆过滤器只和样本量和失误率有关，与单样本大小无关
这里贴一个参考资料中m/n、k和False Positive Rate之间的关系图：
举例
假设n为100亿，p=0.0001
m≈1917亿 1917亿/8/1024/1024/1024约等于22.3G
k=13.4≈14
如果要的空间大，比原本的失误率还要小(当k固定的时候，m/n越大，误判率越小)
扫一扫
30万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
