假正数布隆过滤器答案

【问题标题】：False positive number Bloom filter假正数布隆过滤器
【发布时间】：2023-04-09 07:57:01
【问题描述】：

我用 3 个哈希函数实现了一个布隆过滤器，现在我应该计算该过滤器中误报的确切数量（不可能）。有没有一种有效的计算方法？过滤器项数为2亿，位数组大小为4亿

【问题讨论】：

你的意思是这样的吗？ hur.st/bloomfilter
@Andrej Kesely 不，这给出了误报的概率，我想要我的布隆过滤器中误报的确切数量
布隆过滤器是一种概率数据结构。根据定义，您无法计算 Bloom 过滤器中将出现的误报的确切数量，因为它取决于输入。即使您有一个填充的 Bloom 过滤器并且您想知道有多少键会被错误识别，这也将非常困难（取决于键类型，甚至是不可能的），因为可能键的范围本质上是无限的，您将拥有检查每一个。
问题不清楚。就键或散列而言，误报的确切数量是多少？对于 32 个哈希，您可以计算（使用蛮力）。对于钥匙：你有钥匙列表吗？然后您可以使用循环进行计算。如果不是，并假设它们是例如字符串，你不能，因为可能的键数是无限的。

【解决方案1】：

是的，而且很简单。

计算“开启”的位数并将其除以总位数。这将为您提供填充率。

查询时，之前插入的所有元素都会命中“on”位并返回正数。对于未插入过滤器的元素，命中“on”位的概率是您的填充率。因此，使用 3 个哈希函数，您的错误率将是 (fill_rate^3)。

虽然 0.5 是最大化空间与错误率的最佳填充率，但任何其他填充率都是可能的，但它会占用太多空间或错误率高于所需。因此，您最好使用 4 个空间较小的散列函数。这实际上取决于您的用例。你的要求是什么？您在寻找什么错误率？

【讨论】：