布隆过滤器实现如何保持清洁？

Question

由于它们填满并且误报的百分比增加，有哪些技术可以防止它们饱和？看起来你不能清空比特，因为这会对存储在该节点中的数据立即产生负面影响。

即使你有一组已知的大小，在使用像Cassandra这样的bloom过滤器的数据存储中，令我困惑的是节点中的数据将被添加和删除，对吗？但是当您删除密钥时，您无法将其bloom过滤器桶设置为0，因为这可能会对节点中的数据产生错误否定，该数据散列到与移除的密钥相关联的一个或多个相同的存储桶。所以随着时间的推移，就好像过滤器填满了

Answer 1

我认为您需要设置布隆过滤器所覆盖的集合大小的上限。如果集超过该大小，则需要重新计算布隆过滤器。

在cassandra中使用时，在创建过滤器之前，已知布隆过滤器所覆盖的集合的大小，因此这不是问题。

另一个方法是Scalable Bloom Filters

Answer 2

你应该意识到的第一件事是布隆过滤器只是添加剂。有一些近似删除的方法：

• 重写布隆过滤器
  • 您必须保留旧数据
  • 您支付绩效价格
• 负布隆过滤器
  • 比上述便宜得多，如果你能发现它们，也有助于处理误报。
• 计算布隆过滤器（递减计数）
• 吊桶
  • 保留多个分类布隆过滤器，在不再需要时丢弃类别（例如“星期二”，“星期三”，“星期四”......）
• 其他？

如果您有时间限制的数据，使用存储桶可能会有效，并丢弃太旧的过滤器。