基于樹形結構的布魯姆過濾器研究.pdf

1、布魯姆過濾器算法憑借其簡單迅捷的查詢方式和優(yōu)異的空間效率而受到了廣泛關注,但是布魯姆過濾器算法并不能支持數(shù)據(jù)集成員的動態(tài)更新尤其是不能支持數(shù)據(jù)集成員的刪除操作,因為刪除操作會引起布魯姆過濾器的誤判,從而影響查詢的準確性即降低查詢的精度;計數(shù)式布魯姆過濾器算法使用Coutner計數(shù)器替代布魯姆過濾器中的比特位,因此能夠很好地支持數(shù)據(jù)集成員的動態(tài)更新,但是使用計數(shù)器也存在著空間開銷過大的問題。關于布魯姆過濾器算法的各種研究針對布魯姆過濾器在

2、空間開銷、時間開銷、查詢精度三個方面的效率提出了多種行之有效的改進方案。
　　 本文針對以上三種性能指標,提出了一種基于多層次結構的樹形布魯姆過濾器(Tree-based Bloom Filter簡稱TBF)。多層次結構的TBF算法是基于BloomingTree算法在空間開銷上的優(yōu)勢,并針對其所存在的缺陷設計的一種更加快速高效的算法。TBF查詢、更新方法是從尋找更有效的方法,來替代原來BloomingTree算法中容易導致錯誤的

3、邏輯索引方式,并減少原方法在每一層都必須進行的比特位查詢確認操作這兩個方面來進行考慮,改進與設計了TBF算法的查詢索引方式和與之相應的更新算法。通過新的更加快速高效的查詢索引方式,能夠迅速、有效的查找到應該執(zhí)行查詢、更新的相應位置或相應比特位,從而完成對數(shù)據(jù)集中數(shù)據(jù)成員的查詢匹配,或是對數(shù)據(jù)集成員的更新工作;而TBF查詢算法通過減少比特位確認操作,提高了TBF查詢和更新的速度,節(jié)省了時間開銷。TBF算法能夠在低于計數(shù)式布魯姆過濾器的空間

4、需求的條件下實現(xiàn)與計數(shù)式布魯姆過濾器相同的功能,而且TBF算法比之BloomingTree算法更加快速高效。經(jīng)過實驗證明:與BloomingTree算法相比,TBF算法能夠有效的解決BloomingTree算法在邏輯索引時所存在的錯誤查詢問題,而且比BloomingTree算法時間上更加高效:在層數(shù)不變假陽性相同條件下,查詢時間平均提高13.4％;在假陽性不變層數(shù)相同條件下,插入時間平均提高17.9％,刪除時間平均提高12％。因此,TB