bloom过滤器实现如何保持清洁？

Question

既然他们填满了，误报的百分比增加了，那么用什么技术来防止它们饱和呢？看起来你不能清空位，因为这会对该节点中存储的数据立即产生负面影响。

即使你有一套已知的大小，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，您无法将其布隆过滤器存储桶设置为0，因为这可能会为节点中的数据创建一个错误的否定结果，该数据会将一个或多个相同的存储区散列为已除去的密钥。因此，随着时间的推移，就好像过滤器已经填满了

Answer 1

我认为你需要设置bloom过滤器覆盖的集合的大小上限。如果该设置超过该大小，则需要重新计算布隆过滤器。

正如在cassandra中所使用的那样，bloom过滤器所覆盖的集合的大小在创建过滤器之前是已知的，所以这不是问题。

另一种形式给出是Scalable Bloom Filters

Answer 2

，你应该认识到的第一件事是，布隆过滤器是唯一的添加剂。有近似删除一些方法：

• 重写布隆过滤器
  • 你必须保持旧的数据
  • 您交纳履约价格
• 负布隆过滤器
  • 比上述更便宜，如果可以检测到它们，也有助于处理误报。
• 计数布隆过滤器（递减计数）
• 桶
  • 保持多个分类布隆过滤器，丢弃的类别时，它不再需要（如“星期二”，“星期三”，“星期四” ，...）
• 其他？

如果您有时间限制的数据，那么使用存储桶并丢弃过旧的过滤器可能是有效的。