C - 位集矢量和布隆过滤器之间的差异

Question

所以我理解bitset向量本质上可以为每个位存储真/假集，但是我对它和bloom过滤器之间的区别感到困惑，我理解bloom过滤器使用散列函数并且可以返回误报，但他们可以存储的数据类型或功能的实际差异是什么？

Answer 1

位集向量只是一个任意位数的大字段，可以使用它们的索引单独设置。

布隆过滤器是一种集合（不包含数据本身），允许快速决定元素是否包含在集合中。在某种bitset向量的顶层上构建，在插入元素时将后者的几个位设置为1或读取它们以检查是否包含元素（不允许您直接访问它）基础bitset vector）。

Answer 2

可以使用位集来实现Bloom过滤器，但是不能使用Bloom过滤器来实现位集合。

Answer 3

（我知道这是一篇旧文章，但无论如何还是为以后的读者发布。）

将位集认为是布尔数组的无损压缩 假设您必须在集合中存储32个布尔值。 您的直觉是使用数组或布尔值列表 假设该数组中的每个项目都需要一个字节的空间，所以该数组总计为32个字节 但是您会看到，每个项目都是一个字节，所以它是8位。 尽管仅1位就可以说对还是错，但您为该项目使用了8位。 由于有32个字节，因此最终使用32 * 8 = 256位。 然后问题出现了，“为什么我们不使用单个32位数字在对应于这32个项目的每一位中存储1或0？” 那不过是一个位集-您将只使用32位而不是256位来存储相同的信息。在这里，您可以通过检查项目的相应位位置来确定其是否存在。这种存储可以为任何地方提供帮助，特别是在嵌入式系统中的内存密集型代码，每秒执行大量图形/数学运算的高端游戏以及机器学习中的特定应用程序中。

将Bloom过滤器视为布尔数组的有损压缩或位集的有损压缩-取决于要实现的基础数据结构。 在这里，它是有损的，因为您永远无法知道给定的项目是否存在，但是您绝对可以说它是否不存在！ 它使用哈希函数将给定输入的位集中的某些位设置为1 。对于另一个输入，将设置其他一些位。 问题是，可以为两个不同的输入设置通用位。因此，由于可能会基于多个项目设置公共位，因此无法确定是否存在某个项目。但是，即使未为给定输入设置单个位，也可以肯定地说不存在。这就是为什么我称这种有损。

希望这就是您想要的。