java - 为什么 Guava Bloom过滤器的性能如此差？

我试图确定Google Guava's Bloom Filter是否适用于我的项目，但是在我的测试中，我得到了极高的误报率（很可能是由于高度的哈希冲突？）。

我正在使用2个数据文件进行实验。第一个包含2200万个唯一数字（整数），我将它们放入了Bloom过滤器中。第二个包含另一组完全不同的数字，也是唯一的，我用它们来测试Bloom Filter的误报率。

这是其中一些数字的示例：

我的代码如下：

private static void experiment() {

    // Load 22m unique IDs from file
    ArrayList<String> skus = loadSkus("sku_1.txt");
    int numInsertions = skus.size();

    // Google Guava Bloom Filter
    Funnel<String> strFunnel = (Funnel<String>) (from, into) -> into.putString(from, Charset.forName("US-ASCII"));
    BloomFilter<String> bf = BloomFilter.create(strFunnel, numInsertions, 0.001);

    for (String sku : skus) {
        bf.put(sku);
    }

    int falsePositiveCount = 0;
    double falsePositiveRate;

    // Load another set of unique IDs that are NOT in the first set
    ArrayList<String> skus2 = loadSkus("sku_2.txt");

    for (String sku : skus2) {
        if (bf.mightContain(sku)) {
            falsePositiveCount++;
        }
    }

    falsePositiveRate = (double)falsePositiveCount / (double)skus2.size();

    System.out.println("Expected FPP:     " + Double.toString(bf.expectedFpp()));
    System.out.println("Measured FP rate: " + Double.toString(falsePositiveRate));
}

结果：

Expected FPP:     7.276343403395039E-27
Measured FP rate: 0.9979594547309587

测得的误报率似乎高得令人难以置信！这不是该数据结构应如何表现的。我会以某种方式滥用图书馆吗？我真的很想使用Bloom Filter实现适当的性能。

最佳答案

我无法复制您的结果。我唯一能想到的是它与您的数据文件有关？

我使用了与您发布的代码相同的代码，除了我这样生成了skus：

final List<String> skus = ContiguousSet.create(Range.closedOpen(0, 22000000), DiscreteDomain.integers()).stream().map(String::valueOf).collect(Collectors.toList());

和

final List<String> skus2 = ContiguousSet.create(Range.closedOpen(-22000000, 0), DiscreteDomain.integers()).stream().map(String::valueOf).collect(Collectors.toList());

结果：

Expected FPP:     0.0010001451412535098
Measured FP rate: 9.963636363636364E-4

关于java - 为什么 Guava Bloom过滤器的性能如此差？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40387916/

bloom

java - 为什么 Guava Bloom过滤器的性能如此差？