Question

我目前正在搞乱在Ruby中实现有趣的数据结构，并且在测试没有可预测输出的函数方面遇到了问题。我目前正致力于Bloom Filter我已将完整性包含在下面的实施中：

require "zlib"

class BloomFilter
  def initialize(size=100, hash_count=3)
    raise(ArgumentError, "negative or zero buffer size") if size <= 0
    raise(ArgumentError, "negative or zero hash count") if hash_count <= 0

    @size = size
    @hash_count = hash_count
    @buffer = Array.new(size, false)
  end

  def insert(element)
    hash(element).each { |i| @buffer[i] = true}
  end

  def maybe_include?(element)
    hash(element).map { |i| @buffer[i] }.inject(:&)
  end

  private :hash
  def hash(element)
    hashes = []

    1.upto(@hash_count) do |i|
      hashes << Zlib.crc32(element, i)
    end

    hashes.map { |h| h % @size }
  end
end

布隆过滤器的一个问题是它有可能通过错误地返回true来包含从未插入过滤器的元素，从而返回误报。

有时，过滤器的行为方式很容易测试：

b = BloomFilter.new(50, 5)

b.insert("hello")
puts b.maybe_include?("hello") # => true
puts b.maybe_include?("goodbye") # => false

然而，它有时会破坏趋势，并以不可预测的方式行事。（我已经减少了缓冲区的大小，以便快速找到冲突。）

b = BloomFilter.new(5, 4)

b.insert("testing")
puts b.maybe_include?("testing") # => true
puts b.maybe_include?("not present") # => false
puts b.maybe_include?("false positive") # => true (oops)

所以突然间我们有了字符串＆＃34;误报＆＃34;提供......误报。我的问题是我们如何测试这个？

如果我们选择刚刚发生的值来处理我们的测试，那么我感觉测试变得太脆弱了。例如，如果我们改变哈希函数然后我们可能仍然有一个完全正确的布卢姆由于我们选择的值，过滤器开始失败某些测试测试原始实现。
我的第二个想法是测试过滤器的行为是否符合预期通过检查我们大致得到expected number of false positives的方式通过改变散列函数的数量和大小内部缓冲区。虽然这种方法可能会测试整体粗糙度过滤器的正确性我担心它无法捕获导致它报告个别情况的错误值的错误（例如false 底片）。

我对上面测试它的两种方法的有效性过于悲观，还是我错过了测试输出不可预测的Bloom Filter等类的方法？

Answer 1

你选择刚刚发生工作的价值是对的，这是一个坏主意。但是，你的第二个想法并不是那么糟糕。

您应该始终能够测试应该在bloom过滤器中的值是否存在。您可以随机生成许多字符串，并检查阈值数量是否为误报。这样，如果您更改散列函数，您的单元测试仍然可以工作，并且仍会报告过滤器具有可接受的误报率。

Answer 2

测试是关于确认您的期望。如果你不能自己解释Bloom过滤器会返回什么（考虑到你提到的脆弱性），你不能期望有这样的期望。（我发誓，我并不想制造双关语：P）

我的第一个直觉是在所有有趣的哈希算法上确认N个生成输入的误报率。这样可以自动实现您手动执行这些测试的安全性。

为实现这一目标，我建议您将测试代码考虑在内，以便表达如下简单：

＆LT;警告＆GT;未验证的代码＆lt; / warning＆gt;

class BloomFilterTestCase << TestCase
  def bloom_incidence(alg, pop, false_positives)
    define_method("test_bloom_incidence_${alg}_${pop}_${false_positives}") do  
      # code code code
    end
  end

  bloom_incidence :naive, 50, 0.05
end

Answer 3

布隆过滤器是一种节省空间的概率数据结构，用于测试元素是否是集合的成员。假阳性是可能的，但假阴性不是。

仅仅从Bloom过滤器的描述来看，应该很清楚，测试误报是没有意义的。它本身是未定义的，正面测试的结果是什么，所以你无法对期望某个结果的它进行测试。您可以保证并因此测试的唯一事项是：

该函数返回一个布尔值
该函数不会抛出任何错误
没有漏报

测试不可预测的功能

3 个答案: