哈希的应用--位图和布隆过滤器位图1.位图概念2.位图在实际中的应用3.位图相似应用给定100亿个整数，如何找到只出现一次的整数？1个文件100亿int，1G内存，如何找到不超过2次的所有整数布隆过滤器1.布隆过滤器的提出2.布隆过滤器的插入3.布隆过滤器的查找4.布隆过滤器的删除5.布隆过滤器的实现6.布隆过滤器优点7.布隆过滤器缺陷8.布隆过滤器的应用位图1.位图概念位图（Bitset）是一种数据结构，用于表示一组布尔值，其中每个元素通常对应于一个位或一个二进制值，可以存储0或1。位图在计算机科学和计算机工程中经常用于各种应用，特别是在位级别的标志、掩码和快速查找中。以下是位图的一些关键特
🌇个人主页：平凡的小苏📚学习格言：命运给你一个低的起点，是想看你精彩的翻盘，而不是让你自甘堕落，脚下的路虽然难走，但我还能走，比起向阳而生，我更想尝试逆风翻盘。🛸C++专栏：C++内功修炼基地>家人们更新不易，你们的👍点赞👍和⭐关注⭐真的对我真重要，各位路过的友友麻烦多多点赞关注。欢迎你们的私信提问，感谢你们的转发！关注我，关注我，关注我，你们将会看到更多的优质内容！！一、位图的概念所谓位图，就是用每一位来存放某种状态，适用于海量数据，数据无重复的场景。通常是用来判断某个数据存不存在的。1、位图的面试题给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在这40亿个
目录专栏导读一、布隆过滤器BloomFilter是什么二、布隆过滤器BloomFilter能干嘛？三、布隆过滤器使用场景1、解决缓存穿透问题2、黑名单3、网页爬虫对URL的去重，避免爬取相同的URL地址四、操作布隆过滤器BloomFilter1、使用布隆过滤器2、删除key3、判断是否存在五、代码实例1、使用Redis做缓存2、布隆过滤器六、总结大家好，我是哪吒。专栏导读2023年再不会Redis，就要被淘汰了图解Redis，谈谈Redis的持久化，RDB快照与AOF日志Redis单线程还是多线程？IO多路复用原理Redis集群的最大槽数为什么是16384个？Redis缓存穿透、击穿、雪崩到底
一、布隆过滤器可以用来做什么 布隆过滤器可用来判定一个元素是否属于一个集合，比如在一个大的集合A中，是否存在值a。由于hash碰撞(两个不同输入值的hash值相同)的原因，在判定a是否存在于A中时可能会有误判。如果判定结果是a不存在于A中，a肯定是不在A中；如果判定结果是存在，这时可能是因为与a的hash值相同其他元素存在于A中，而a并不存在。 关于布隆过滤器的使用场景，大多是用来判定“是否需要继续执行读取磁盘等效率低的操作”。比如，Google的BitTable和ApachHBase，都使用布隆过滤器判断查询的数据是否存在，来确定是否需要继续读取磁盘。再比如，用爬
文章目录前言1.布隆过滤器提出2.布隆过滤器概念3.布隆过滤器的插入多哈希函数映射减少冲突结构定义及set（插入）函数实现4.布隆过滤器的查找test（查找）函数实现布隆过滤器允许误判5.布隆过滤器的适用场景6.如何选择布隆过滤器的长度和哈希函数的个数7.测试8.布隆过滤器删除（reset）的思考9.布隆过滤器的优缺点分析布隆过滤器的优点布隆过滤器的缺陷10.源码bitset.hBloomFilter.hTest.cpp前言上一篇文章，我们学习了位图，位图在某些场景下是非常适用的，非常快捷方便。但是，在文章的最后，我们也提出了位图的一些缺陷——比如位图只能映射整型数据，其它类型的数据则不行。因
前言 位图和布隆过滤器是基于哈希思想实现的数据结构，他们在很多的方面都有应用，比如：操作系统中的磁盘标记，快速查找某个数据是否在集合中。布隆过滤器可以高效的进行插入和查询，可以告诉你“某样东西一定不存在或者可能存在”。让我们一起来认识一下它们吧。1.位图 1.1位图的概念 所谓位图就是用每一位来存放某种状态，适用于海量数据处理，数据无重复的场景。通过用于判断某个数据在不在。 1.2位图的实现 #includeusingnamespacestd;namespaceqyy{ classBitSet//位图 { public: BitSet(size_tN)
目录一、前言二、RedisBloom安装与使用三、RedisBloom常用命令汇总四、通过Jedis使用RedisBloom五、Redisson封装的布隆过滤器六、使用哪种方式的过滤器比较好？一、前言布隆过滤器（BloomFilter）是Redis4.0版本提供的新功能，它被作为插件加载到Redis服务器中，给Redis提供强大的去重功能。相比于Set集合的去重功能而言，布隆过滤器在空间上能节省90%以上，但是它的不足之处是去重率大约在99%左右，也就是说有1%左右的误判率，这种误差是由布隆过滤器的自身结构决定的。俗话说“鱼与熊掌不可兼得”，如果想要节省空间，就需要牺牲1%的误判率，而且这种误
Redisson系列文章：【Redisson】Redisson–基础入门【Redisson】Redisson–布隆(BloomFilter)过滤器【Redisson】Redisson–分布式锁的使用（推荐使用）【分布式锁】Redisson分布式锁底层原理【Redisson】Redisson–限流器文章目录1、什么是布隆过滤器2、布隆过滤器的使用场景3、布隆过滤器的原理3.1数据结构3.2空间计算3.3增加元素3.4查询元素3.5修改元素3.6删除元素4、Redis集成布隆过滤器4.1版本要求4.2安装&编译4.2.1下载插件压缩包4.2.2解压4.2.3编译插件4.3Redis集成4.3.1R
序言心若有阳光，你便会看见这个世界有那么多美好值得期待和向往。决定开一个算法专栏，希望能帮助大家很好的了解算法。主要深入解析每个算法，从概念到示例。我们一起努力，成为更好的自己！今天第3讲，讲一下排序算法的选择排序（SelectionSort）1基础介绍查找算法是很常见的一类问题，主要是将一组数据按照某种规则进行排序。以下是一些常见的查找算法及其应用场景：布隆过滤器（BloomFilter）：适用于判断一个元素是否存在于一个大规模的数据集中，时间复杂度为O(1)，但有一定的误判率。二分查找（BinarySearch）：适用于有序数组中查找元素，时间复杂度为O(logn)；哈希表查找（Hash
