1.首先我们需要：
-
一个合适大小的位数组保存数据 BitSet
-
几个不同的哈希函数 通过随机种子seed定制不同的hash函数
-
添加元素到位数组（布隆过滤器）的方法实现 add方法
-
判断给定元素是否存在于位数组（布隆过滤器）的方法实现。 contains方法
2.其次我们需验证布隆过滤器，判正可能出错的这一点，在代码中进行了实现
详情见注释：
import java.util.BitSet;
/**
* 布隆过滤器：用BitSet实现，建议先了解BitSet数据结构的常见方法。
*/
public class BloomFilter {
/**
* 位数组的大小
*/
// private static final int DEFAULT_SIZE = 2 << 24; 代表bitset中实际位数的总个数，这种情况个数很多很多基本布隆不会判断失误
private static final int DEFAULT_SIZE = 5; //只有5位的情况下，布隆容易判断错误。
/**
* 通过这个数组可以创建 6 个不同的哈希函数
*/
private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};
/**
* 位数组。数组中的元素只能是 0 或者 1
*/
private BitSet bits = new BitSet(DEFAULT_SIZE);
/**
* 存放包含 hash 函数的类的数组
*/
private SimpleHash[] func = new SimpleHash[SEEDS.length];
/**
* 初始化多个包含 hash 函数的类的数组，每个类中的 hash 函数都不一样
*/
public BloomFilter() {
// 初始化多个不同的 Hash 函数
for (int i = 0; i < SEEDS.length; i++) {
func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
}
}
/**
* 添加元素到位数组
*/
public void add(Object value) {
for (SimpleHash f : func) {
bits.set(f.hash(value), true);
}
}
/**
* 判断指定元素是否存在于位数组
*/
public boolean contains(Object value) {
boolean ret = true;
for (SimpleHash f : func) {
ret = ret && bits.get(f.hash(value));
}
return ret;
}
/**
* 静态内部类。用于 hash 操作！
*/
public static class SimpleHash {
private int cap;
private int seed;
public SimpleHash(int cap, int seed) {
this.cap = cap;
this.seed = seed;
}
/**
* 计算 hash 值
*/
public int hash(Object value) {
int h;
return (value == null) ? 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));
//通过混入seed的值来产生5种不同的hash函数。
}
public static void main(String[] args) {
String value1 = "https://javaguide.cn/"; //故意混淆布隆过滤器，检测其准确性。
String value2 = "https://github.com/Snailclimb";//干扰准确性
String value3 = "https://jaavguide.cn/";
String value4 = "https://javaguie.cn/";
String value5 = "https://javaguid.cn/";
String value6 = "https://javagide.cn/";
String value10 = "https://javavguide.cn/";//这个值来检测 当布隆过滤器判断错误的情况
BloomFilter filter = new BloomFilter();
System.out.println(filter.contains(value1));
filter.add(value1);
filter.add(value2);
filter.add(value3);
filter.add(value4);
filter.add(value5);
filter.add(value6);
System.out.println(filter.contains(value1));
System.out.println(filter.contains(value3));
System.out.println(filter.contains(value10)); //这个值来检测 当布隆过滤器判断错误的情况
//输出true即为判断失误的情况。
}
}
}