Java Bloom Filter 技术文档
2024-12-24 14:25:11作者:明树来
1. 安装指南
1.1 通过 JAR 文件安装
- 从 GitHub 下载最新版本的
java-bloomfilter项目。 - 使用
ant命令编译项目:ant - 编译完成后,将生成的
dist/java-bloomfilter.jar文件添加到你的项目中。
1.2 通过源码集成
- 从 GitHub 下载
BloomFilter.java文件。 - 将
BloomFilter.java文件直接复制到你的项目中。 - 确保保留文件中的 LGPL 许可证注释,并引用
java-bloomfilter的网页。
2. 项目的使用说明
2.1 创建 Bloom Filter
要创建一个空的 Bloom Filter,可以使用以下代码:
double falsePositiveProbability = 0.1;
int expectedNumberOfElements = 100;
BloomFilter<String> bloomFilter = new BloomFilter<String>(falsePositiveProbability, expectedNumberOfElements);
构造函数会根据给定的误判概率和预期元素数量,自动选择合适的长度和哈希函数数量。
2.2 添加元素
使用 add() 方法向 Bloom Filter 中添加元素:
bloomFilter.add("foo");
2.3 检查元素
使用 contains() 方法检查元素是否存在于 Bloom Filter 中:
bloomFilter.contains("foo"); // 返回 true
注意,contains() 方法可能会返回误判结果(false positive),但不会出现漏判(false negative)。
2.4 完整示例
以下是一个完整的示例代码:
double falsePositiveProbability = 0.1;
int expectedSize = 100;
BloomFilter<String> bloomFilter = new BloomFilter<String>(falsePositiveProbability, expectedSize);
bloomFilter.add("foo");
if (bloomFilter.contains("foo")) { // 总是返回 true
System.out.println("BloomFilter contains foo!");
System.out.println("Probability of a false positive: " + bloomFilter.expectedFalsePositiveProbability());
}
if (bloomFilter.contains("bar")) { // 应该返回 false,但可能会返回 true
System.out.println("There was a false positive.");
}
3. 项目 API 使用文档
3.1 构造函数
-
BloomFilter(double falsePositiveProbability, int expectedNumberOfElements)- 根据误判概率和预期元素数量创建 Bloom Filter。
-
BloomFilter(int bitSetSize, int expectedNumberOfElements)- 根据位集大小和预期元素数量创建 Bloom Filter。
-
BloomFilter(int bitSetSize, int expectedNumberOfElements, int numberOfHashFunctions)- 根据位集大小、预期元素数量和哈希函数数量创建 Bloom Filter。
3.2 方法
-
void add(T element)- 向 Bloom Filter 中添加元素。
-
boolean contains(T element)- 检查元素是否存在于 Bloom Filter 中。
-
double expectedFalsePositiveProbability()- 返回预期的误判概率。
-
int getExpectedBitsPerElement()- 返回预期的每元素位数。
-
int getBitsPerElement()- 返回实际的每元素位数。
4. 项目安装方式
4.1 通过 JAR 文件安装
- 下载并编译项目。
- 将生成的
dist/java-bloomfilter.jar文件添加到你的项目中。
4.2 通过源码集成
- 下载
BloomFilter.java文件。 - 将文件直接复制到你的项目中,并保留 LGPL 许可证注释。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
754
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
179
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248