java-分布式环境中的Bloom过滤器

我有一个由一些用Java编写的应用程序实例组成的系统.对它们的请求是负载均衡的,以实现高可用性.每秒,这个“集群”接收数百个小数据块(每个数据块由几个简单的字符串组成),存储在数据库中,保存几天,然后丢弃.除了存储此数据外,主要要求是快速确定给定值是否存储在数据库中.适当地建立索引和分区的数据库表似乎适合该问题,并且至少目前就可以很好地工作.

问题是,大约80％的搜索值未找到,因为它们不在数据库中.因此,我想加快速度,并加快搜索速度,减少资源消耗.布隆过滤器将是显而易见的选择,如果不是因为不同的应用程序实例接收到不同部分的数据,并且如果每个应用程序实例在布隆过滤器中只有一部分数据,那么这些布隆过滤器就没有用了.

您对如何解决此问题有任何建议/想法吗？

解决方法:

kept for a couple of days and then discarded

Bloom过滤器不支持删除对象,仅支持插入.
如果有多个Bloom筛选器,则必须全部查询它们,以检查其中之一是否包含所需的对象.

如果乳清具有相同的结构(相同的大小,相同的哈希函数等),则可以有效合并Bloom过滤器.

您可以使用以下Bloom过滤器：
https://github.com/odnoklassniki/apache-cassandra/blob/master/src/java/org/apache/cassandra/utils/BloomFilter.java

并合并两个过滤器,如下所示：

BloomFilter merge(BloomFilter dstFilter, BloomFilter srcFilter) {
    OpenBitSet dst = dstFilter.bitset;
    OpenBitSet src = srcFilter.bitset;

    for (int i = 0; i < src.getPageCount(); ++i) {
        long[] dstBits = dst.getPage(i);
        long[] srcBits = src.getPage(i);

        for (int j = 0; j < srcBits.length; ++j) {
            dstBits[j] |= srcBits[j];
        }
        dst.setPage(i, dstBits);
    }
    return dstFilter;
}

标签：bloom-filter,search,distributed-system,java
来源： https://codeday.me/bug/20191109/2010920.html