实际上，即使考虑了帐户缓存，Bloom过滤器真的比哈希更快吗？

当您考虑可以确定Int是否在恒定时间内具有99％的确定性的集合中时，Bloom过滤器看起来确实很棒。但是散列也是如此，唯一的区别在于，在散列中，大多数时候您只访问一次内存。使用Bloom过滤器时，您需要在完全遥远的地方每个请求访问它们约7次，因此每个请求将有多个缓存未命中。

我想念什么吗？

您缺少这两个数据结构如何处理哈希冲突。Bloom过滤器不存储实际值，因此所需的空间是指定数组的恒定大小。相反，如果您使用传统的哈希，它将尝试存储您提供的所有值，因此它会随着时间增长。

考虑一个简化的哈希函数（仅出于示例目的！）f(x) = x % 2。现在，您输入以下整数：2, 3, 4, 5, 6, 7。

标准哈希：给定值将被散列，而且我们有很多冲突的结束，由于f(2) = f(4) = f(6) = 0和f(3) = f(5) = f(7) = 1。尽管如此，哈希存储了所有这些值，它可以告诉您8未存储在其中。它是如何做到的？它跟踪冲突并存储具有相同哈希值的所有值，然后在查询时，它还会对查询进行比较。因此，让我们在地图上查询8：f(8) = 0，以便将其放入我们已经插入的存储桶中，2, 4, 6并需要进行3次比较，以告诉您这8不是输入的一部分。

布隆过滤器：通常，每个输入值都针对k不同的哈希函数进行哈希处理。再次，为简单起见，我们假设仅使用单个哈希函数f。我们需要一个由2个值组成的数组，然后当遇到输入时，2这意味着由于f(2) = 0我们将位置的数组值设置0为value 1。同样的情况发生了4和6。类似地，3, 5, 7每个输入都将数组位置设置1为value 1。现在我们查询if是否8是输入的一部分：f(8) = 0位置0处的数组是1，因此Bloom筛选器将错误地声明8确实是输入的一部分。

为了更加现实，让我们考虑添加第二个哈希函数g(x) = x % 10。这样，输入值2将导致两个哈希值f(2) = 0，g(2) = 2并且两个对应的数组位置将被设置为1。当然，数组现在至少应为size 10。但是，当我们查询时，8我们将检查数组8由于的位置g(8) = 8，并且该位置仍为0。这就是为什么其他哈希函数可以减少误报的原因。

比较： Bloom过滤器使用k哈希函数，这意味着最多可以k访问随机数组位置。但是这个数字是准确的。相反，哈希仅保证您享有摊销后的固定访问时间，但可能会根据哈希函数和输入数据的性质而退化。因此，除了退化的情况外，通常更快。

但是，一旦发生哈希冲突，标准哈希将必须对照查询值检查存储值的相等性。这种相等性检查可能会非常昂贵，并且对于Bloom Bloom过滤器将永远不会发生。

就空间而言，布隆过滤器是恒定的，因为不需要使用比指定数组更多的内存。另一方面，由于必须跟踪冲突值，因此哈希值会动态增长，并且可能变得更大。

权衡：现在您知道什么便宜，什么不便宜，在什么情况下，您应该可以看到权衡。如果您想非常快速地检测到以前已经看到过某个值，但可以使用误报，则Bloom过滤器非常有用。另一方面，如果希望以无法准确判断运行时为代价来确保正确性，则可以选择哈希图，但是可以接受偶尔退化的情况，这种情况可能比平均速度慢得多。

同样，如果您在有限的内存环境中，则可能希望使用bloom筛选器以保证其内存使用率。

Bloom过滤器和哈希的用例是不同的，并且大多数情况下是不相交的，因此直接比较是没有意义的。此外，这将取决于实现的技术细节，因为有许多方法可以处理具有不同权衡的哈希冲突。

Bloom过滤器可以使用适度的内存以合理的概率（但不是完全正确）来回答元素是否在大型集中的集合中。庞大的元素多达数万亿。但是它们从来都不是精确的。您只能通过使用更多的内存或更多的哈希函数来减少误报的数量。

另一方面，哈希表是精确的，但它们需要存储集合。因此，数万亿个元素将需要TB的内存（而这仅仅是美国的数万亿美元）。他们还可以为每个元素存储额外的数据，而Bloom筛选器则不能。

因此，如果您使用缓慢的方法来获取大型集合（不适合内存或无法将其传输到客户端）的某个成员（涉及查询服务器，从磁盘中读取数据等）的数据，则可以使用布隆过滤器等），并希望避免对不在集合中的对象执行慢速操作。