布隆过滤器的Python实现(标准、计
- 2020 年 1 月 3 日
- 筆記
bloompy
github:bloompy
布隆过滤器的Python3实现,包括标准、计数、标准扩容、计数扩容。更新自pybloom。
安装
pip install bloompy
使用
通过bloompy你可以使用四种布隆过滤器
- 标准布隆过滤器
标准布隆过滤器只能进行数据的查询和插入,是下面几种过滤器的基类,可以进行过滤器的存储和恢复
>>> import bloompy >>> bf = bloompy.BloomFilter(error_rate=0.001,element_num=10**3) # 查询元素是否在过滤器里返回状态标识 # 如果不在里面则插入,返回False表示元素不在过滤器里 >>> bf.add(1) False >>> bf.add(1) True >>> 1 in bf True >>> bf.exists(1) True >>> bf.add([1,2,3]) False >>> bf.add([1,2,3]) True >>> [1,2,3] in bf True >>> bf.exists([1,2,3]) True # 将过滤器存储在一个文件里 >>> bf.tofile('filename.suffix') # 从一个文件里恢复过滤器。自动识别过滤器的种类。 >>> recovered_bf = bloompy.get_filter_fromfile('filename.suffix') # 或者使用过滤器类的类方法 'fromfile' 来进行过滤器的复原。对应的类只能恢复对应的过滤器 >>> recovered_bf = bloompy.BloomFilter.fromfile('filename.suffix') # 返回已经插入的元素个数 >>> bf.count 2 # 过滤器的容量 >>> bf.capacity 1000 # 过滤器的位向量 >>> bf.bit_array bitarray('00....') # 过滤器位数组长度 >>> bf.bit_num 14400 # 过滤器的哈希种子,默认是素数,可修改 >>> bf.seeds [2, 3, 5, 7, 11,...] # 过滤器哈希函数个数 >>> bf.hash_num 10
- 计数布隆过滤器
标准布隆过滤器的子类,但是计数布隆过滤器可以执行删除元素额操作。内置默认使用4位二进制位来表示标准布隆过滤器的1个位,从而实现可以增减。
>>> import bloompy >>> cbf = bloompy.CountingBloomFilter(error_rate=0.001,element_num=10**3) # 与标准布隆过滤器一样 >>> cbf.add(12) False >>> cbf.add(12) True >>> 12 in cbf True >>> cbf.count 1 # 查询元素状态返回标识,如果元素存在过滤器里则删除 >>> cbf.delete(12) True >>> cbf.delete(12) False >>> 12 in cbf False >>> cbf.count 0 # 从文件中恢复过滤器 >>> recovered_cbf = bloompy.CountingBloomFilter.fromfile('filename.suffix')
计数布隆过滤器其他的功能与标准的差不多。
- 标准扩容布隆过滤器
当插入的元素个数超过当前过滤器的容量时,自动增加过滤器的容量,默认内置一次扩容2倍。支持查询和插入功能。
>>> import bloompy >>> sbf = bloompy.ScalableBloomFilter(error_rate=0.001,initial_capacity=10**3) # 默认初次可以设置容量1000 >>> len(sbf) 0 >>> 12 in sbf False >>> sbf.add(12) False >>> 12 in sbf True >>> len(sbf) 1 >>> sbf.filters [<bloompy.BloomFilter object at 0x000000000B6F5860>] >>> sbf.capacity 1000 #当过滤器的元素个数达到容量极限时,过滤器会自动增加内置的标准过滤器, #每次增加2倍容量,自动实现扩容 >>> for i in range(1000): sbf.add(i) >>> 600 in sbf True >>> len(sbf) 2 >>> sbf.filters [<bloompy.BloomFilter object at 0x000000000B6F5860>, <bloompy.BloomFilter object at 0x000000000B32F748>] >>> sbf.capacity 3000 # 从文件中恢复过滤器 >>> recovered_sbf = bloompy.ScalableBloomFilter.fromfile('filename.suffix')
其他功能可以参见标准布隆过滤器。
- 计数扩容布隆过滤器
标准扩容布隆过滤器的子类,功能继承自标准扩容布隆过滤器,但支持删除元素的操作。
>>> import bloompy >>> scbf = bloompy.SCBloomFilter(error_rate=0.001,initial_capacity=10**3) >>> scbf.add(1) False >>> 1 in scbf True >>> scbf.delete(1) True >>> 1 in scbf False >>> len(scbf) 1 >>> scbf.filters [<bloompy.CountingBloomFilter object at 0x000000000B6F5828>] # 插入元素使其达到过滤器当前容量极限值 >>> for i in range(1100): scbf.add(i) >>> len(scbf) 2 >>> scbf.filters [<bloompy.CountingBloomFilter object at 0x000000000B6F5828>, <bloompy.CountingBloomFilter object at 0x000000000B6F5898>] # 从文件中恢复过滤器 >>> recovered_scbf = bloompy.SCBloomFilter.fromfile('filename.suffix')
存储与恢复
参见标准布隆过滤器,可以通过两种方式来进行过滤器的存储与复原:
- 类方法'fromfile'
- 函数get_filter_fromfile()
如果你很清楚的知道当前文件中的过滤器是一个标准布隆过滤器,那么你可以使类方法类恢复这个过滤器:
bloompy.BloomeFilter.fromfile('filename.suffix)
如果是个计数布隆过滤器,那么就是使用:bloompy.CountingBloomFilter.fromfile('filename.suffix)
其他也是使用对应的类方法来恢复对应的过滤器。 但如果你不知道文件里存储是哪种过滤器,可以使用函数:bloompy.get_filter_fromfile('filename.suffix')
它将会加载文件字节数据,自动判断过滤器类型并返回对应实例进行复原。