适应蟒蛇3型的达塔马兰蟒蛇叉
dm-pybloom的Python项目详细描述
dm_pybloom
==
图片：：https://travis-ci.org/jaybaird/python-bloomfilter.svg？branch=master
：target:https://travis ci.org/jaybaird/python bloom filter
``dm_pybloom``是一个模块，它包括bloom过滤器数据结构以及
可伸缩bloom过滤器的实现，如：
p.almeida，c.baquero，n.pregui_a，d.hutchison，可伸缩bloom过滤器，
（globecom 2007），ieee，2007年。
bloom filters非常棒，如果您了解需要提前将
的位设置到一边以存储整个集的话。可伸缩的bloom过滤器允许bloom
过滤器位随着假阳性概率和大小的函数而增长。
a filter is“full”when at capacity:m*（（ln 2^2）/abs（ln p）），其中m
是位的数量，p是假阳性概率。当达到容量
时，将创建一个比上一个
指数大的新过滤器，具有更高的误报概率和更多的散列函数。
代码块：：python
>；>from dm_pybloom import bloomfilter
>；>f=bloomfilter（容量=1000，错误率=0.001）
>；[f.add（x）for x in range（10）]
[false，false，false，false，false，false，false，false，false，false，false，false，false，false，false，false，false，false]
>；>全部（[（x in f）表示x in range（10）]）
true
>；>10 in f
false
>；>5 in f
true
>；>f=bloomfilter（容量=1000，错误率=0.001）
>；>i in x range（0，f.容量）：
…_=f.add（i）
>；>；（1.0-（len（f）/float（f.capacity））<；=f.error_rate+2e-18
true
>；>；来自dm_pybloom import scalablebloomfilter
>；>；sbf=scalablebloomfilter（mode=scalablebloomfilter.small_set_growth）
>；count=10000
>；>；对于x范围（0，计数）：
…_=sbf.add（i）
…
>；>1.0-（len（sbf）/float（count））<；=sbf.error_rate+2e-18
true
len（sbf）可能不等于整个输入长度。0.01%的误差小于默认的0.1%误差阈值。随着容量的增加，
误差将接近0.1%。
欢迎加入QQ群-->： 979659372
