一个比 BloomFilter 更优的过滤器， CuckooFilter

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 3020 天前的主题，其中的信息可能已经有所发展或是发生改变。

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

goCuckoo

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。

model

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())
}