BloomFilter在C ++中使用MurmurHash3哈希函数

时间:2017-04-21 15:49:16

标签: c++ hash bloom-filter

我正在尝试使用MurmurHash3哈希函数编写Bloom过滤器的C ++实现。我的实施基于以下网站:http://blog.michaelschmatz.com/2016/04/11/how-to-write-a-bloom-filter-cpp/

不知何故,在我的BloomFilter头文件中,hash函数抛出了一个不完整的类型错误,当我在add函数中使用hash函数时,我得到一个“hash is ambigious error”。

我该怎么做才能解决这个问题?我对C ++有些新意,所以我不确定我是否正确使用了结构的接口/实现。

我还使用了一个包含此文件的main函数,并运行一些测试来分析误报率,位数,过滤器大小等。 。 。

#ifndef BLOOM_FILTER_H
#define BLOOM_FILTER_H
#include "MurmurHash3.h"
#include <vector>


//basic structure of a bloom filter object
struct BloomFilter {
BloomFilter(uint64_t size, uint8_t numHashes);
void add(const uint8_t *data, std::size_t len);
bool possiblyContains(const uint8_t *data, std::size_t len) const;
private:
uint8_t m_numHashes;
   std::vector<bool> m_bits;
};
//Bloom filter constructor
BloomFilter::BloomFilter(uint64_t size, uint8_t numHashes)
   : m_bits(size),
   m_numHashes(numHashes) {}
//Hash array created using the MurmurHash3 code
std::array<uint64_t, 2> hash(const uint8_t *data, std::size_t len)
{
   std::array<uint64_t, 2> hashValue;
   MurmurHash3_x64_128(data, len, 0, hashValue.data());
   return hashValue;
}
//Hash array created using the MurmurHash3 code
inline uint64_t nthHash(uint8_t n,
   uint64_t hashA,
   uint64_t hashB,
   uint64_t filterSize) {
   return (hashA + n * hashB) % filterSize;
}
//Adds an element to the array
void BloomFilter::add(const uint8_t *data, std::size_t len) {
   auto hashValues = hash(data, len);
   for (int n = 0; n < m_numHashes; n++)
   {
       m_bits[nthHash(n, hashValues[0], hashValues[1], m_bits.size())]        = true;
   }
}
//Returns true or false based on a probabilistic assesment of the array         using MurmurHash3
bool BloomFilter::possiblyContains(const uint8_t *data, std::size_t   len) const {
   auto hashValues = hash(data, len);
   for (int n = 0; n < m_numHashes; n++)
   {
       if (!m_bits[nthHash(n, hashValues[0], hashValues[1],         m_bits.size())])
        {
           return false;
       }
   }
   return true;
}
#endif

1 个答案:

答案 0 :(得分:4)

如果你的MurmurHash3_x64_128返回两个64位数字作为哈希值,我会把它当作4个不同的uint32_t哈希值,只要你的位串不需要超过40亿位。最有可能的是,您不需要超过2-3个散列,但这取决于您的用例。要弄清楚您需要多少哈希,可以查看"How many hash functions does my bloom filter need?"

使用MurmurHash3_x64_128我会这样做(如果我将其视为4 x uint32_t散列):

void BloomFilter::add(const uint8_t *data, std::size_t len) {
    auto hashValues = hash(data, len);
    uint32_t* hx = reinterpret_cast<uint32_t*>(&hashValues[0]);
    assert(m_numHashes <= 4);
    for (int n = 0; n < m_numHashes; n++)
        m_bits[hx[n] % m_bits.size()] = true;
}

您的代码存在类型转换的一些问题,这就是它无法编译的原因:

  • 缺少#include <array>
  • 你必须使用size_t作为大小(它可能是32位无符号或64位无符号int)
  • 最好将哈希命名为其他内容(例如myhash)并将其设置为静态。

以下是带有这些更正的代码版本,这应该有效:

#ifndef BLOOM_FILTER_H
#define BLOOM_FILTER_H
#include "MurmurHash3.h"
#include <vector>
#include <array>


//basic structure of a bloom filter object
struct BloomFilter {
    BloomFilter(size_t size, uint8_t numHashes);
    void add(const uint8_t *data, std::size_t len);
    bool possiblyContains(const uint8_t *data, std::size_t len) const;
private:
    uint8_t m_numHashes;
    std::vector<bool> m_bits;
};
//Bloom filter constructor
BloomFilter::BloomFilter(size_t size, uint8_t numHashes)
    : m_bits(size),
    m_numHashes(numHashes) {}
//Hash array created using the MurmurHash3 code
static std::array<uint64_t, 2> myhash(const uint8_t *data, std::size_t len)
{
    std::array<uint64_t, 2> hashValue;
    MurmurHash3_x64_128(data, len, 0, hashValue.data());
    return hashValue;
}
//Hash array created using the MurmurHash3 code
inline size_t nthHash(int n,
    uint64_t hashA,
    uint64_t hashB,
    size_t filterSize) {
    return (hashA + n * hashB) % filterSize; // <- not sure if that is OK, perhaps it is.
}
//Adds an element to the array
void BloomFilter::add(const uint8_t *data, std::size_t len) {
    auto hashValues = myhash(data, len);
    for (int n = 0; n < m_numHashes; n++)
    {
        m_bits[nthHash(n, hashValues[0], hashValues[1], m_bits.size())] = true;
    }
}
//Returns true or false based on a probabilistic assesment of the array         using MurmurHash3
bool BloomFilter::possiblyContains(const uint8_t *data, std::size_t   len) const {
    auto hashValues = myhash(data, len);
    for (int n = 0; n < m_numHashes; n++)
    {
        if (!m_bits[nthHash(n, hashValues[0], hashValues[1], m_bits.size())])
        {
            return false;
        }
    }
    return true;
}
#endif

Run this code on ideone.

如果您刚开始使用c ++,首先从基本示例开始,尝试使用std::hash吗?创建工作实现,然后使用可选的哈希函数参数扩展它。如果你需要你的BloomFilter很快,我可能会远离vector<bool>并使用无符号整数数组。

基本impl可能是这样的,前提是你已经实现了MurmurHash3

uint32_t MurmurHash3(const char *str, size_t len);

class BloomFilter
{
public:
    BloomFilter(int count_elements = 0, double bits_per_element = 10)
    {
        mem = NULL;
        init(count_elements, bits_per_element);
    }
    ~BloomFilter()
    {
        delete[] mem;
    }

    void init(int count_elements, double bits_per_element)
    {
        assert(!mem);
        sz = (uint32_t)(count_elements*bits_per_element + 0.5);
        mem = new uint8_t[sz / 8 + 8];
    }

    void add(const std::string &str)
    {
        add(str.data(), str.size());
    }

    void add(const char *str, size_t len)
    {
        if (len <= 0)
            return;
        add(MurmurHash3(str, len));
    }

    bool test(const std::string &str)
    {
        return test(str.data(), str.size());
    }

    bool test(const char *str, size_t len)
    {
        return test_hash(MurmurHash3(str, len));
    }

    bool test_hash(uint32_t h)
    {
        h %= sz;
        if (0 != (mem[h / 8] & (1u << (h % 8))))
            return true;
        return false;
    }

    int mem_size() const
    {
        return (sz + 7) / 8;
    }

private:
    void add(uint32_t h)
    {
        h %= sz;
        mem[h / 8] |= (1u << (h % 8));
    }

public:
    uint32_t sz;
    uint8_t *mem;
};