Bloom filter 只有一个输入哈希的bloom筛选器仍然是bloom筛选器吗？

如果我实现一个只使用一个散列算法（例如杂音）的bloom过滤器，这仍然被认为是bloom过滤器吗

例如，如果

a

散列为

5

，则将设置过滤器的第5位。如果

b

哈希为

1

，则将设置过滤器的第1位，依此类推

---

对于被视为bloom过滤器的东西，是否必须至少设置过滤器中的两位？如果只设置了一个位，它是否被称为其他位？

它仍然是一个Bloom过滤器：一个具有

k=1

的过滤器。根据每个元素的位，它可能不是最节省空间的。但是，人们可能会选择一个不圆的

k

（bitsPerKey*log（2）），原因有很多，主要有：

• 为了能够更好地压缩：这里最好使用

  k=1

  的Bloom过滤器。另见Michael Mitzenmacher的论文
• 要加快查找和更新速度：使用较低的

  k

  会更快

顺便说一下，您仍然可以选择

k

作为最节省空间的函数，即使您只使用一个“应用程序哈希函数”（如64位的杂音哈希）。您只需选择“Bloom哈希函数”作为此“应用程序哈希函数”（64位杂音哈希）的函数，如下所示（假设

int

为32位，

long

为64位）：

这实际上比计算多个“应用程序哈希函数”更简单、更快。从外观上看，这是这样的：

long m = murmur(x)
int hash = (int) (m >> 32);
int add = (int) m;
for (int i = 0; i < k; i++) {
    ... test / set the bit depending on "hash" ...
    hash += add;
}

long m=杂音（x）
int散列=（int）（m>>32）；
int加=（int）m；
for（int i=0；i

---

许多Bloom filter库都是这样做的，例如Guava中的Bloom filter实现。

你应该说动机是什么（你想解决什么问题）。

long m = murmur(x)
int hash = (int) (m >> 32);
int add = (int) m;
for (int i = 0; i < k; i++) {
    ... test / set the bit depending on "hash" ...
    hash += add;
}