布隆过滤器实现如何保持清洁？

Question

由于它们被填满并且误报率增加，有哪些技术可以防止它们饱和？似乎您无法清空位，因为这会立即对该节点中存储的数据产生负面影响。

即使您有一组已知大小，在使用 Cassandra 之类的布隆过滤器的数据存储中，让我感到困惑的是节点中的数据将被添加和删除，对吧？但是，当您删除一个键时，您不能将其布隆过滤器存储桶设置为 0，因为这可能会对节点中的数据产生误报，这些数据散列到一个或多个与删除的键相同的存储桶。所以随着时间的推移，就好像过滤器填满了

Answer 1

我认为您需要设置布隆过滤器覆盖的集合大小的上限。如果集合超过该大小，则需要重新计算布隆过滤器。

正如在 cassandra 中使用的那样，布隆过滤器所覆盖的集合的大小在创建过滤器之前是已知的，因此这不是问题。

另一种方法是Scalable Bloom Filters

Answer 2

您应该意识到的第一件事是布隆过滤器只是附加的。有一些近似删除的方法：

• 重写布隆过滤器
  • 您必须保留旧数据
  • 你付出了性能的代价
• 负布隆过滤器
  • 比上述便宜得多，如果可以检测到误报，也有助于处理误报。
• 计算布隆过滤器（减少计数）
• 水桶
  • 保留多个分类的布隆过滤器，在不再需要时丢弃某个类别（例如“星期二”、“星期三”、“星期四”...）
• 其他？

如果您有时间限制的数据，使用存储桶并丢弃太旧的过滤器可能会很有效。