在布隆过滤器中过滤索引和哈希函数

Question

Bloom过滤器使用m位的位数组，因此数组中有0到m-1个索引，但是散列函数I＆＃39; m使用返回32位散列，因此它可以从0到（2） ^ 32）-1因为散列被用作位数组（过滤器）的索引，所以散列很可能大于m，因此该值不会映射到位数组上。我应该采用散列的mod，即散列％m ，以便生成的散列必须对应于位数组中的索引。它是否会增加误报的数量（IMO会）？

Answer 1

是的，使用mod会增加误报的可能性。 Stephan T. Lavavej在GoingNative 2013上有一个很好的讨论（ mod 会产生偏见），见HERE

他还提到了（@btilly）所说的：简单地削减比特更好 - 如果你的哈希函数是好的那么它就可以了。

Answer 2

散列函数h: S -> uint被宽松地定义为在集合S上表现出高度熵的散列函数。假设我有一个哈希函数h，其S上的熵非常高，但h(x)中x的输出S始终是偶数。这种限制只是意味着h的一些输出被浪费，这只是位的1 / 32。

现在假设我有一个Bloom过滤器，m是偶数。然后h(x) % m总是一个偶数 - 这意味着只会使用Bloom过滤器的一半位！这很糟糕！

正如其他人所建议的那样，只需将m的{​​{1}}位作为h(x)布隆过滤器区间的索引，这是一种更好的策略，因为假设您正在获得一个散列函数在集2^m上表现出高度的熵，“第一S位”散列函数m应该表现出几乎成比例的熵。