java-guava 布隆筛选器用法及比较

布隆筛选器使用场景：
    一般用于一个字符串是否存的预测，如爬虫是否抓取过这个URL等。
优点：
    对于特大的集合来说，检索快、占用内存少等。
缺点：
    存在漏报率。   

 

分别使用 set、boolmfilter 检索一千万个数字，通过调整 fpp 值可以观察漏报率

public static void main (String[] args){
    double fpp = 0.00001f; //精度，漏报率
    //最大可存储 800w+ key,漏报率万分之1
    BloomFilter<String> bloomFilter
            = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8),1024*1024*16,fpp);

    long begin = System.currentTimeMillis();
    int count=10000000;
    int wrong = 0;
    String key ="";
    for(int i=0;i<count;i++){
        key = String.valueOf(i);
        if(bloomFilter.mightContain(key)){
            wrong++;
            System.out.println("key="+key);
        }
        bloomFilter.put(key);
    }
    long timeCost = System.currentTimeMillis() - begin;

    System.out.println(MessageFormat.format(
            "boolm,漏报：{0},count={1},耗时：{2}"
            ,wrong,count,timeCost));


    System.out.println("xxx");


    Set<String> bs = new HashSet<>();

    wrong=0;
    begin = System.currentTimeMillis();
    for(int i=0;i<count;i++){
        key = String.valueOf(i);
        if(bs.contains(key)){
            wrong++;
            System.out.println("key="+key);
        }
        bloomFilter.put(key);
    }
    timeCost = System.currentTimeMillis() - begin;
    System.out.println(MessageFormat.format(
            "set,漏报：{0},count={1},耗时：{2}"
            ,wrong,count,timeCost));

    System.out.println("xxx");
}