PHP数据结构：布隆过滤器的巧用，实现高效的集合检索

布隆过滤器是一种空间效率高的数据结构，用于判断元素是否属于集合。它使用哈希函数和位数组来高效地查找是否存在该元素，可能会出现假阳性。它适用于需要快速检索大量元素的场景，如URL重复检测。

PHP 数据结构：巧用布隆过滤器，实现高效集合检索

简介

布隆过滤器是一种高度空间高效的数据结构，用于判断元素是否属于一个集合。它使用哈希函数和位数组来高效地查找是否存在该元素。

原理

布隆过滤器初始化一个位数组，每个位置初始为 0。然后，分别使用多个哈希函数对元素进行哈希，并用哈希值索引位数组，并将该位置的值置为 1。

如果某个元素属于集合，则其哈希值将找到位数组中至少一个为 1 的位置。然而，对于不属于该集合的元素，它也有可能找到为 1 的位置，称为假阳性。

实现

class BloomFilter {

    // 过滤器大小 (位数)
    private $size;

    // 哈希函数个数
    private $numHashes;

    // 哈希函数
    private $hashFunctions;

    // 过滤器位数组
    private $filter;

    // 初始化布隆过滤器
    public function __construct($size, $numHashes) {
        $this->size = $size;
        $this->numHashes = $numHashes;
        $this->initHashFunctions();
        $this->filter = array_fill(0, $this->size, 0);
    }

    // 初始化哈希函数
    private function initHashFunctions() {
        $this->hashFunctions = [];
        for ($i = 0; $i < $this->numHashes; $i++) {
            $this->hashFunctions[] = function ($key) use ($i) {
                return abs(crc32($key . $i));
            };
        }
    }

    // 向过滤器中添加元素
    public function add($element) {
        foreach ($this->hashFunctions as $hashFunction) {
            $index = $hashFunction($element) % $this->size;
            $this->filter[$index] = 1;
        }
    }

    // 检查元素是否存在过滤器中
    public function isExists($element) {
        foreach ($this->hashFunctions as $hashFunction) {
            $index = $hashFunction($element) % $this->size;
            if ($this->filter[$index] == 0) {
                return false;
            }
        }
        // 找到了元素的所有哈希值对应的位，但可能是假阳性
        return true;
    }
}

实战案例：检测 URL 重复

目标：使用布隆过滤器快速检测大量 URL 是否已经被抓取过。

实现：

1. 初始化布隆过滤器，设置大小和哈希函数个数。
2. 为每个已抓取的 URL 调用 add() 方法将其添加到过滤器中。
3. 当遇到新的 URL 时，使用 isExists() 方法快速检查它是否已经存在于过滤器中。如果存在，则跳过该 URL；否则，将新 URL 添加到过滤器中。

优点：

• 空间高效：布隆过滤器大小与需要检测的元素数量无关。
• 检索速度快：通过使用哈希函数，检索操作无需遍历整个集合。
• 可接受的误差率：布隆过滤器允许一些假阳性，但可以根据需要调整大小和哈希函数个数来优化误差率。

以上是PHP数据结构：布隆过滤器的巧用，实现高效的集合检索的详细内容。更多信息请关注PHP中文网其他相关文章！