bloom filter的开源实现程序memcached bloom filter

文章转自： http://www.heyues.com/mc_bloom_filter/

google code 上的介绍

Introduction Bloom filter 是由 Howard Bloom 在 1970 年提出的二进制向量数据结构，它具有很好的空间和时间效率，被用来检测一个元素是不是集合中的一个成员，被广泛使用于各种海量数据排重的场景中。Mc bloom filter是一个全新的排重服务器，它采用memcached的网络层封装了bloom filter的操作，使各种语言php、java、perl、python、go、c等等，都能使用memcached的协议进行bloom filter的操作。 Details 作者 新浪 汤晓刚 何跃 胡鸿 bloom filter 的简介 bloom_filter的百度百科 Google黑板报 算法详细介绍 mc bloom filter 的特性 完全采用memcached的网络层协议，创建、删除、添加、查看状态等。 mc bloom filter 是一个全内存的排重服务器，所有数据均放在内存中。 可以在一个实例中创建多个bloom filter，在内存允许的情况，可以创建几十G大小的bloom filter，支持最高上 百亿 的数据排重。 采用google员工写的的高性能hash算法murmurhash，保证bloom filter的hash的高速 单线程版单机读写速度能达到十万次/s（同网段两台服务器多线程压力测试 服务器配置：8核 Intel(R) Xeon(R) CPU E5620 @ 2.40GHz 12G内存） 多线程版单机读写能力均能达到30万次/s(同网段两台服务器多线程压力测试 服务器配置：8核 Intel(R) Xeon(R) CPU E5620 @ 2.40GHz 12G内存） 32位、64位服务器兼容。 mc bloom filter 的安装 bloom filter 使用memcached网络层，依赖于libevent，先登录http://libevent.org/ 下载最新稳定版本。      wget https://github.com/downloads/libevent/libevent/libevent-2.0.20-stable.tar.gz      tar zxvf libevent-2.0.20-stable.tar.gz      cd libevent-2.0.20-stable      ./configure      make && make install 在bloom filter 的google code 上，下载mc bloom filter的最新稳定版本     1.wget bloom filter的最新稳定版本     2.修改Makefile文件，主要是修改libevent到你的目录     3.在目录中执行make,生成mc_bloom_filter【线上版】 mc_bloom_filter_【调试版】 两个可执行文件，调试版会打很多日志     4. nohup ./mc_bloom_filter -p12345 -d -uroot -m4000 –p/tmp/mc_bloom_filter.pid –l127.0.0.1     日志文件就是当前目录的nohup.out文件 mc bloom filter的启动参数 参数 是否必须 值的含义 p(小p) 是 监听端口，默认12345 P(大P) 是 pid文件的地址 u(小u) 是 用哪个用户运行 m(小m) 是 最大内存，单位m d(小d) 是 是否用daemon后台运行 l(小l) 是 监听的ip t 否 表示线程个数，只多线程版本有此参数，单线程无此参数，t默认为4 v 否 是否将调试的输出打印出来，如果添加这个参数，会在终端或者nohup.out中打印调试信息 mc bloom filter 的命令 add add key 0 0 value_lengthexpected_max_amount_of_elements|false_positive_rate 比如add test 0 0 13 1000000|0.001 表示创建一个预计存100万，误判率千分之一的bloom filter 成功返回STORED 失败返回NOT_STORED set set key 0 0 subkey_lengthsubkey 成功返回STORED 失败返回NOT_STORED get get key|subkey 存在返回1，不存在啥都不返回 stats stats 查看服务器的总体状况 信息列表 stats blooms 列举所有过滤器的名称和占用内存字节大小 信息列表 stats bloom key 可以查看名字为key的bloom filter的详细信息 信息列表 try try expected_max_amount_of_elements|false_positive_rate比如 try 100000000|0.0001 表示计算1亿个目标存储数，在误判率万分之一的情况下， 需要的内存大小用来预估过滤器所需的内存大小和hash函数个数 信息列表 setmem setmem size(Mbytes) 用来设定当前进程可使用的内存容量，单位是m,比如要设置内存1G，setmem 1024 成功返回STORED 成功返回STORED，失败返回NOT_STORED PHP 的使用demo <?php     $mc = new Memcache();     $mc -> add("my_bloom","10000000|0.0001");     $mc -> set("my_bloom","2222222");     var_dump($mc->get("my_bloom|2222222"); ?>

具体的文档在这里 https://code.google.com/mc_bloom_filter