using System; using System.Collections; using System.Collections.Generic; namespace Core.Util { /// /// 一個布隆過濾器 /// /// 泛型數據類型 public class BloomFilter { Random _random; int _bitSize, _numberOfHashes, _setSize; BitArray _bitArray; #region Constructors /// /// 初始化bloom濾波器并設置hash散列的最佳數目 /// /// 布隆過濾器的大小(m)默認為10E消耗100M內存 /// 集合的大小 (n)默認為1000W public BloomFilter(int bitSize=1000000000, int setSize=10000000) { _bitSize = bitSize; _bitArray = new BitArray(bitSize); _setSize = setSize; _numberOfHashes = OptimalNumberOfHashes(_bitSize, _setSize); } //hash散列函數的數量(k) public BloomFilter(int bitSize, int setSize, int numberOfHashes) { _bitSize = bitSize; _bitArray = new BitArray(bitSize); _setSize = setSize; _numberOfHashes = numberOfHashes; } #endregion #region 屬性 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; } //檢查列表中的任何項是否可能是在集合。 //如果布隆過濾器包含列表中的任何一項，返回真 public bool ContainsAny(List items) { foreach (T item in items) { if (Contains(item)) return true; } return false; } //檢查列表中的所有項目是否都在集合。 public bool ContainsAll(List items) { foreach (T item in items) { if (!Contains(item)) return false; } return true; } /// /// 計算遇到誤檢率的概率。 /// /// 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(); } //計算基于布隆過濾器散列的最佳數量 private int OptimalNumberOfHashes(int bitSize, int setSize) { return (int)Math.Ceiling((bitSize / setSize) * Math.Log(2.0)); } #endregion } /// /// 共享內存布隆過濾器 /// /// 泛型數據類型 public class BloomFilterWithShareMemory { Random _random; int _bitSize, _numberOfHashes, _setSize; ShareMenmory sm; #region Constructors /// /// 初始化bloom濾波器并設置hash散列的最佳數目 /// /// /// 布隆過濾器的大小(m)默認為10E消耗100M內存 /// 集合的大小 (n)默認為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 屬性 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(); } //檢查列表中的任何項是否可能是在集合。 //如果布隆過濾器包含列表中的任何一項，返回真 public bool ContainsAny(List items) { foreach (T item in items) { if (Contains(item)) return true; } return false; } //檢查列表中的所有項目是否都在集合。 public bool ContainsAll(List items) { foreach (T item in items) { if (!Contains(item)) return false; } return true; } /// /// 計算遇到誤檢率的概率。 /// /// 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(); } //計算基于布隆過濾器散列的最佳數量 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#
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
