深入拆解:Hash函数、Bitmap位图、BloomFilter布隆过滤器

Hash函数

byte[] hash(String inData)

hash函数的特点:
(1)输入域可以是无穷大的。
(2)输出域是有限的,比如输出长度固定为64bit、128bit、256bit、512bit等等,以达到压缩数据、提取指纹的目的。
(3)没有任何随机机制,相同的输入得到相同的输出。
(4)有可能出现输入不同输出相同(Different in–>Same out),这种情况叫做哈希碰撞
(5)最重要的特点:输出值尽可能均匀散列(离散性和均匀性,其实是一回事)到输出域上
- 输入的微小差别,在结果集上会放大到相隔很远;
- 结果集近乎均匀分布。
(6)结果集模一个数M(%),取模的结果在0~M-1上也会比较均匀地分布;
(7)如果因为结果集有限发生大量碰撞,则碰撞的“厚度”也是几乎相等的;

常见的hash函数:
md5
sha1
通过位运算(取模、移位、异或),以及乘以一个素数等方式,实现的哈希函数。

HashMap put时间复杂度分析
一般认为,HashMap的put和get、remove操作时间复杂度都是O(1),即常数时间复杂度
可能有人会说,不对呀,比如put操作的时候,HashMap容量不够会有扩容操作,将会重新计算已放入Map中数据的Key的hash值。
好,我们以put操作为例,来分析扩容操作的整体时间复杂度。

假设一开始容量为1,分析连续put进N条不同记录的情况。容量不够的话,容量扩大到原来的2倍。
扩容操作总共进行log2(N)次。
第一扩容需要重新计算hash的次数为1,
第二次,为2
第三次,为4
...
第logN次,为N/2。
总共为(1+2+4+...+N/4+N/2)≈ N

即放入N个元素,总共的扩容操作是额外计算N次hash值?,所以平均到每一次是O(1)。

Bitmap位图

计算机中最小的信息单位是比特(bit)。一个bit中只能是0或者1,如果用0代表false,1代表true的话,用1个bit就能够代表某个事物是否出现过。这样用M个比特就能够表达M个事物是否出现过。
这就是位图,通过查找某个bit是1还是0,来表达是出现过,还是没出现过。
这样做的好处是,能够以极低的存储空间表达很大的数据量(M可以很大)。
举个例子,1G大概是10亿bit,那么100亿的数据,只需要10G。

BloomFilter布隆过滤器

布隆过滤器:类似于黑名单,是没有删除行为的黑名单。
预期数据量的上限为n,可以接受的误判率为p。
则可以算出需要的bit数m,以及需要的独立hash函数个数。
深入拆解:Hash函数、Bitmap位图、BloomFilter布隆过滤器_第1张图片
(未完待续)

你可能感兴趣的:(算法,hash,hashmap,bitmap,bloom,filter,hashmap时间复杂度)