using System; using System.Collections; using System.Collections.Generic; namespace Core.Util { /// /// 一个布隆过滤器 /// /// 泛型数据类型 public class BloomFilter { Random _random; int _bitSize, _numberOfHashes, _setSize; BitArray _bitArray; #region Constructors /// /// 初始化bloom滤波器并设置hash散列的最佳数目 /// /// 布隆过滤器的大小(m)默认为10E消耗100M内存 /// 集合的大小 (n)默认为1000W public BloomFilter(int bitSize=1000000000, int setSize=10000000) { _bitSize = bitSize; _bitArray = new BitArray(bitSize); _setSize = setSize; _numberOfHashes = OptimalNumberOfHashes(_bitSize, _setSize); } //hash散列函数的数量(k) public BloomFilter(int bitSize, int setSize, int numberOfHashes) { _bitSize = bitSize; _bitArray = new BitArray(bitSize); _setSize = setSize; _numberOfHashes = numberOfHashes; } #endregion #region 属性 public int NumberOfHashes { set { _numberOfHashes = value; } get { return _numberOfHashes; } } public int SetSize { set { _setSize = value; } get { return _setSize; } } public int BitSize { set { _bitSize = value; } get { return _bitSize; } } #endregion #region 公共方法 public void Add(T item) { _random = new Random(Hash(item)); for (int i = 0; i < _numberOfHashes; i++) _bitArray[_random.Next(_bitSize)] = true; } public bool Contains(T item) { _random = new Random(Hash(item)); for (int i = 0; i < _numberOfHashes; i++) { if (!_bitArray[_random.Next(_bitSize)]) return false; } return true; } //检查列表中的任何项是否可能是在集合。 //如果布隆过滤器包含列表中的任何一项，返回真 public bool ContainsAny(List items) { foreach (T item in items) { if (Contains(item)) return true; } return false; } //检查列表中的所有项目是否都在集合。 public bool ContainsAll(List items) { foreach (T item in items) { if (!Contains(item)) return false; } return true; } /// /// 计算遇到误检率的概率。 /// /// Probability of a false positive public double FalsePositiveProbability() { return Math.Pow((1 - Math.Exp(-_numberOfHashes * _setSize / (double)_bitSize)), _numberOfHashes); } #endregion #region 私有方法 private int Hash(T item) { return item.GetHashCode(); } //计算基于布隆过滤器散列的最佳数量 private int OptimalNumberOfHashes(int bitSize, int setSize) { return (int)Math.Ceiling((bitSize / setSize) * Math.Log(2.0)); } #endregion } /// /// 共享内存布隆过滤器 /// /// 泛型数据类型 public class BloomFilterWithShareMemory { Random _random; int _bitSize, _numberOfHashes, _setSize; ShareMenmory sm; #region Constructors /// /// 初始化bloom滤波器并设置hash散列的最佳数目 /// /// /// 布隆过滤器的大小(m)默认为10E消耗100M内存 /// 集合的大小 (n)默认为1000W public BloomFilterWithShareMemory(string bloomName,int bitSize = 1000000000, int setSize = 10000000) { sm = new ShareMenmory(bloomName, 1000000000); _bitSize = bitSize; _setSize = setSize; _numberOfHashes = OptimalNumberOfHashes(_bitSize, _setSize); } #endregion #region 属性 public int NumberOfHashes { set { _numberOfHashes = value; } get { return _numberOfHashes; } } public int SetSize { set { _setSize = value; } get { return _setSize; } } public int BitSize { set { _bitSize = value; } get { return _bitSize; } } #endregion #region 公共方法 public void Add(T item) { _random = new Random(Hash(item)); for (int i = 0; i < _numberOfHashes; i++) { int index = _random.Next(_bitSize); int j=0; int offSet=0; if((index+1) % 8==0) { j = (index + 1) / 8 - 1; } else { j = (index + 1) / 8; offSet = (index + 1) % 8 - 1; } byte[] getData = sm.Read(1, j); BitArray bitArry = new BitArray(getData); bitArry[offSet] = true; int tmp = 0; for (int k = 0; k < 8; k++) { if (bitArry[k] == true) tmp += (int)Math.Pow(2, k); } byte[] setData = new byte[1]; setData[0] = (byte)tmp; sm.Write(setData,j); } } public bool Contains(T item) { _random = new Random(Hash(item)); for (int i = 0; i < _numberOfHashes; i++) { int index = _random.Next(_bitSize); int j = 0; int offSet = 0; if ((index + 1) % 8 == 0) { j = (index + 1) / 8 - 1; } else { j = (index + 1) / 8; offSet = (index + 1) % 8 - 1; } byte[] getData = sm.Read(1, j); BitArray bitArry = new BitArray(getData); if (bitArry[offSet] == false) return false; } return true; } public void close() { sm.Close(); } //检查列表中的任何项是否可能是在集合。 //如果布隆过滤器包含列表中的任何一项，返回真 public bool ContainsAny(List items) { foreach (T item in items) { if (Contains(item)) return true; } return false; } //检查列表中的所有项目是否都在集合。 public bool ContainsAll(List items) { foreach (T item in items) { if (!Contains(item)) return false; } return true; } /// /// 计算遇到误检率的概率。 /// /// Probability of a false positive public double FalsePositiveProbability() { return Math.Pow((1 - Math.Exp(-_numberOfHashes * _setSize / (double)_bitSize)), _numberOfHashes); } #endregion #region 私有方法 private int Hash(T item) { return item.GetHashCode(); } //计算基于布隆过滤器散列的最佳数量 private int OptimalNumberOfHashes(int bitSize, int setSize) { return (int)Math.Ceiling((bitSize / setSize) * Math.Log(2.0)); } #endregion } }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
C#
版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。
