关于php:phpRedis实现的布隆过滤器

因为Redis实现了setbit和getbit操作，人造适宜实现布隆过滤器，redis也有布隆过滤器插件。这里应用php+redis实现布隆过滤器。

首先定义一个hash函数汇合类，这些hash函数不肯定都用到，实际上32位hash值的用3个就能够了，具体的数量能够依据你的位序列总量和你须要存入的量决定，下面曾经给出最佳值。

class BloomFilterHash{    /**     * 由Justin Sobel编写的按位散列函数     */    public function JSHash($string, $len = null)    {        $hash = 1315423911;        $len || $len = strlen($string);        for ($i=0; $i<$len; $i++) {            $hash ^= (($hash << 5) + ord($string[$i]) + ($hash >> 2));        }        return ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;    }    /**     * 该哈希算法基于AT＆T贝尔实验室的Peter J. Weinberger的工作。     * Aho Sethi和Ulman编写的“编译器（原理，技术和工具）”一书倡议应用采纳此特定算法中的散列办法的散列函数。     */    public function PJWHash($string, $len = null)    {        $bitsInUnsignedInt = 4 * 8; //（unsigned int）（sizeof（unsigned int）* 8）;        $threeQuarters = ($bitsInUnsignedInt * 3) / 4;        $oneEighth = $bitsInUnsignedInt / 8;        $highBits = 0xFFFFFFFF << (int) ($bitsInUnsignedInt - $oneEighth);        $hash = 0;        $test = 0;        $len || $len = strlen($string);        for($i=0; $i<$len; $i++) {            $hash = ($hash << (int) ($oneEighth)) + ord($string[$i]); } $test = $hash & $highBits; if ($test != 0) { $hash = (($hash ^ ($test >> (int)($threeQuarters))) & (~$highBits));        }        return ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;    }    /**     * 相似于PJW Hash性能，但针对32位处理器进行了调整。它是基于UNIX的零碎上的widley应用哈希函数。     */    public function ELFHash($string, $len = null)    {        $hash = 0;        $len || $len = strlen($string);        for ($i=0; $i<$len; $i++) {            $hash = ($hash << 4) + ord($string[$i]); $x = $hash & 0xF0000000; if ($x != 0) { $hash ^= ($x >> 24);            }            $hash &= ~$x;        }        return ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;    }    /**     * 这个哈希函数来自Brian Kernighan和Dennis Ritchie的书“The C Programming Language”。     * 它是一个简略的哈希函数，应用一组奇怪的可能种子，它们都形成了31 .... 31 ... 31等模式，它仿佛与DJB哈希函数十分类似。     */    public function BKDRHash($string, $len = null)    {        $seed = 131;  # 31 131 1313 13131 131313 etc..        $hash = 0;        $len || $len = strlen($string);        for ($i=0; $i<$len; $i++) {            $hash = (int) (($hash * $seed) + ord($string[$i]));        }        return ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;    }    /**     * 这是在开源SDBM我的项目中应用的首选算法。     * 哈希函数仿佛对许多不同的数据集具备良好的总体散布。它仿佛实用于数据集中元素的MSB存在高差别的状况。     */    public function SDBMHash($string, $len = null)    {        $hash = 0;        $len || $len = strlen($string);        for ($i=0; $i<$len; $i++) {            $hash = (int) (ord($string[$i]) + ($hash << 6) + ($hash << 16) - $hash);        }        return ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;    }    /**     * 由Daniel J. Bernstein传授制作的算法，首先在usenet新闻组comp.lang.c上向世界展现。     * 它是有史以来公布的最无效的哈希函数之一。     */    public function DJBHash($string, $len = null)    {        $hash = 5381;        $len || $len = strlen($string);        for ($i=0; $i<$len; $i++) {            $hash = (int) (($hash << 5) + $hash) + ord($string[$i]);        }        return ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;    }    /**     * Donald E. Knuth在“计算机编程艺术第3卷”中提出的算法，主题是排序和搜寻第6.4章。     */    public function DEKHash($string, $len = null)    {        $len || $len = strlen($string);        $hash = $len;        for ($i=0; $i<$len; $i++) {            $hash = (($hash << 5) ^ ($hash >> 27)) ^ ord($string[$i]);        }        return ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;    }    /**     * 参考 http://www.isthe.com/chongo/tech/comp/fnv/     */    public function FNVHash($string, $len = null)    {        $prime = 16777619; //32位的prime 2^24 + 2^8 + 0x93 = 16777619        $hash = 2166136261; //32位的offset        $len || $len = strlen($string);        for ($i=0; $i<$len; $i++) {            $hash = (int) ($hash * $prime) % 0xFFFFFFFF;            $hash ^= ord($string[$i]);        }        return ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;    }}

接着就是连贯redis来进行操作

/** * 应用redis实现的布隆过滤器 */abstract class BloomFilterRedis{    /**     * 须要应用一个办法来定义bucket的名字     */    protected $bucket;    protected $hashFunction;    public function __construct($config, $id)    {        if (!$this->bucket || !$this->hashFunction) {            throw new Exception("须要定义bucket和hashFunction", 1);        }        $this->Hash = new BloomFilterHash;        $this->Redis = new YourRedis; //假如这里你曾经连贯好了    }    /**     * 增加到汇合中     */    public function add($string)    {        $pipe = $this->Redis->multi();        foreach ($this->hashFunction as $function) {            $hash = $this->Hash->$function($string);            $pipe->setBit($this->bucket, $hash, 1);        }        return $pipe->exec();    }    /**     * 查问是否存在, 如果已经写入过，必然回true，如果没写入过，有肯定几率会误判为存在     */    public function exists($string)    {        $pipe = $this->Redis->multi();        $len = strlen($string);        foreach ($this->hashFunction as $function) {            $hash = $this->Hash->$function($string, $len);            $pipe = $pipe->getBit($this->bucket, $hash);        }        $res = $pipe->exec();        foreach ($res as $bit) {            if ($bit == 0) {                return false;            }        }        return true;    }}

下面定义的是一个抽象类，如果要应用，能够依据具体的业务来应用。比方上面是一个过滤反复内容的过滤器。

/** * 反复内容过滤器 * 该布隆过滤器总位数为2^32位, 判断条数为2^30条. hash函数最优为3个.(可能容忍最多的hash函数个数) * 应用的三个hash函数为 * BKDR, SDBM, JSHash * * 留神, 在存储的数据量到2^30条时候, 误判率会急剧减少, 因而须要定时判断过滤器中的位为1的的数量是否超过50%, 超过则须要清空. */class FilteRepeatedComments extends BloomFilterRedis{    /**     * 示意判断反复内容的过滤器     * @var string     */    protected $bucket = 'rptc';    protected $hashFunction = array('BKDRHash', 'SDBMHash', 'JSHash');}