一个比 BloomFilter 更优的过滤器， CuckooFilter

[zhengji]

阅读 CMU 的论文，PPT,以及Coolshell 的相关文章，用 Go 语言实现了论文提到的算法，做成一个库， goCuckoo GitHub

A Cuckoo hashing, substituting for bloom filter. written by Go

一个 Cuckoo Filter 的 Go 库

Description

面对海量数据，我们需要一个索引数据结构，用来帮助查询，快速判断数据记录是否存在，这类数据结构叫过滤器，常用的选择是 Bloom Filter. 而 Cuckoo Filter 是它的优化变种。

Bloom Filter 的位图模式有两个问题：

• 误报，它能判断元素一定不存在，但只能判断可能存在，因为存在其它元素被映射到部分相同位上，导致该位置 1 ，那么一个不存在的元素可能会被误报成存在；
• 漏报，如果删除了某个元素，导致该映射位被置 0 ，那么本来存在的元素会被漏报成不存在。

Cuckoo Filter，可以确保该元素存在的必然性，又可以在不违背此前提下删除任意元素，仅仅比 Bloom Filter 牺牲了微量空间效率。 它的的数据模型:

• 每个元素对应两个哈希算法，在哈希碰撞时会启用备用哈希算法。
• 每一个桶是有 4 路的，每个槽对应一个指纹。

Feature

• Deletion Support
• FastLoopUp O(1)
• High Space Utilization,4-way set-associative table: > 95% entries occupied
• Subsituting for Bloom Filters

Installation

go get github.com/zheng-ji/goCuckoo

Example

import (
	"fmt"
	"github.com/zheng-ji/goCuckoo"
)

func main() {
    // speicify capacity 
	filter := cuckoo.NewCuckooFilter(10000)

	filter.Insert([]byte("zheng-ji"))
	filter.Insert([]byte("stupid"))
	filter.Insert([]byte("coder"))

	if filter.Find([]byte("stupid")) {
		fmt.Println("exist")
	} else {
		fmt.Println("Not exist")
	}

	filter.Del([]byte("stupid"))
	filter.Println(filter.Size())
}

Documentation

• CMU Paper
• CMU PPT
• CoolShell Article

License

Copyright (c) 2016 by zheng-ji released under MIT License.

[3dwelcome]

牛逼

[mscorp]

效率怎么样？误差率呢

[KyleMeow]

酷壳上也有个文章是介绍这个的，详细一些

[knightdf]

Bloom Filter 本来就不应该做删除，我用 bloom 不就是为了节省内存而浪费一点精度？