布隆过滤器（Bloom Filter）

布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。
如果想要判断一个元素是不是在一个集合里，一般想到的是将所有元素保存起来，然后通过比较确定。链表，树等等数据结构都是这种思路. 但是随着集合中元素的增加，我们需要的存储空间越来越大，检索速度也越来越慢(O(n),O(logn))。不过世界上还有一种叫作散列表（又叫哈希表，Hash table）的数据结构。它可以通过一个Hash函数将一个元素映射成一个位阵列（Bit array）中的一个点。这样一来，我们只要看看这个点是不是1就可以知道集合中有没有它了。这就是布隆过滤器的基本思想。【详见百度百科】
总的来说：布隆过滤器就是利用哈希算法+位图实现的。
所以布隆过滤器的底层我们就用一个位图封装。
对哈希算法不熟悉的可以看博主博客http://helloleex.blog.51cto.com/10728491/1770568
如果对位图不太熟悉的可以查看博主的博客http://helloleex.blog.51cto.com/10728491/1772827

#pragma once
#include<string>
#include"Bit_Map.h"
#include"HashFunc.h"
using namespace std;

//5个哈希函数的仿函数
template<class K = string,
class HashFunc1 = _HashFunc1<K>,
class HashFunc2 = _HashFunc2<K>,
class HashFunc3 = _HashFunc3<K>,
class HashFunc4 = _HashFunc4<K>,
class HashFunc5 = _HashFunc5<K>>
class BloomFilter
{
public:
BloomFilter(size_t size)
{
//size_t newsize = _GetNextPrime(size);
//_capacity = newsize;
//size不一定是素数，在素数表中取一个素数开一个素数大的空间
_capacity = _bm.Resize(size);
}
void Set(const K& key)
{
size_t index1 = HashFunc1()(key);
size_t index2 = HashFunc2()(key);
size_t index3 = HashFunc3()(key);
size_t index4 = HashFunc4()(key);
size_t index5 = HashFunc5()(key);
_bm.Set(index1);
_bm.Set(index2);
_bm.Set(index3);
_bm.Set(index4);
_bm.Set(index5);
}

//布隆过滤器不能执行删除操作，因为有不同的哈希算法，可能不同的key
//标记在相同的位上，删除会把别人的记录给删除了，影响正确性。
//void Reset(const K& key);

//测试存在不一定存在，不存在一定不存在
bool Test(const K& key)
{
size_t index1 = HashFunc1()(key);
size_t index2 = HashFunc2()(key);
size_t index3 = HashFunc3()(key);
size_t index4 = HashFunc4()(key);
size_t index5 = HashFunc5()(key);
if (_bm.Test(index1) || _bm.Test(index2) ||
_bm.Test(index3) || _bm.Test(index4) ||
_bm.Test(index5))
return true;
else
return false;
}
protected:
BitMap _bm;
size_t _capacity;
};

HashFunc.h
//5个高效的哈希算法，都是大神发明的。
#pragma once
template<class T>
//BKDR Hash Function是一种简单快捷的hash算法，
//也是Java目前采用的字符串的Hash算法（累乘因子为31）
struct _HashFunc1
{
size_t operator()(const T& str)
{
register size_t hash = 0;
const char* tmp = str.c_str();
while (size_t ch = (size_t)*tmp++)
{
hash = hash * 131 + ch;
}
return hash;
}
};
template<class T>
//RS Hash Function。因Robert Sedgwicks在其《Algorithms in C》一书中展示而得名。
struct _HashFunc2
{
size_t operator()(const T& str)
{
register size_t hash = 0;
size_t magic = 63689;
const char* tmp = str.c_str();
while (size_t ch = (size_t)*tmp++)
{
hash = hash * magic + ch;
magic *= 378551;
}
return hash;
}
}; template<class T>
//AP Hash Function 由Arash Partow发明的一种hash算法。
struct _HashFunc3
{
size_t operator()(const T& str)
{
register size_t hash = 0;
size_t ch;
const char* tmp = str.c_str();
for (long i = 0; ch = (size_t)*tmp++; i++)
{
if ((i & 1) == 0)
{
hash ^= ((hash << 7) ^ ch ^ (hash >> 3));
}
else
{
hash ^= (~((hash << 11) ^ ch ^ (hash >> 5)));
}
}
return hash;
}
};

template<class T>
// DJB Hash Function 2。由Daniel J. Bernstein 发明的另一种hash算法。
struct _HashFunc4
{
size_t operator()(const T& str)
{
const char* tmp = str.c_str();
if (!*tmp)   // 这是由本人添加，以保证空字符串返回哈希值0
return 0;
register size_t hash = 5381;
while (size_t ch = (size_t)*tmp++)
{
hash = hash * 33 ^ ch;
}
return hash;
}
};

template<class T>
//JS Hash Function 。由Justin Sobel发明的一种hash算法。
struct _HashFunc5
{
size_t operator()(const T& str)
{
const char* tmp = str.c_str();
if (!*tmp)        // 这是由本人添加，以保证空字符串返回哈希值0
return 0;
register size_t hash = 1315423911;
while (size_t ch = (size_t)*tmp++)
{
hash ^= ((hash << 5) + ch + (hash >> 2));
}
return hash;
}
};

布隆过滤器是有误识别率的，虽然几率很低很低，但是如果5个哈希函数其中有一两个误识别了，就会出现错误。
而且布隆过滤器是不支持删除Reset的。因为有很几率会删除其他哈希函数所标识的记录，误识别几率大大增高。
本文出自 “稻草阳光” 博客，请务必保留此出处http://helloleex.blog.51cto.com/10728491/1772845