一种快速简单的支持压缩的概率bloom滤波器
fastBloomFilter的Python项目详细描述
#简单快速的pythonic bloom filter
来自wikipedia：“bloomfilter是一种空间效率高的概率数据结构，由burton howard bloom于1970年提出，用于测试元素是否是集合的成员。假阳性匹配是可能的，但假阴性是不可能的——换句话说，查询返回“可能在集合中”或“绝对不在集合中”。元素可以添加到集合中，但不能删除（虽然这可以通过“计数”过滤器处理）；添加到集合中的元素越多，误报的概率就越大。”
此过滤器支持：
zlib>；bz2>；lzma
用于解压缩：lzma>；bz2>；zlib>；lzo>；lz4
统计信息
熵分析
数据的内部和外部散列。
原始筛选器合并
安装：
sudo pip安装fastbloomfilter
bloom筛选器文件的外部创建：
导入：
bf.update（'1’）true
>printbf.update（'2’）false
>printbf.update（'2’）
>prinbf.query打印查询（'1'）；true
print bf.query（'1230213'）。#true
打印bf.query（'12'）false
来自wikipedia：“bloomfilter是一种空间效率高的概率数据结构，由burton howard bloom于1970年提出，用于测试元素是否是集合的成员。假阳性匹配是可能的，但假阴性是不可能的——换句话说，查询返回“可能在集合中”或“绝对不在集合中”。元素可以添加到集合中，但不能删除（虽然这可以通过“计数”过滤器处理）；添加到集合中的元素越多，误报的概率就越大。”
此过滤器支持：
zlib>；bz2>；lzma
用于解压缩：lzma>；bz2>；zlib>；lzo>；lz4
统计信息
熵分析
数据的内部和外部散列。
原始筛选器合并
安装：
sudo pip安装fastbloomfilter
bloom筛选器文件的外部创建：
导入：
bf.update（'1’）true
>printbf.update（'2’）false
>printbf.update（'2’）
>prinbf.query打印查询（'1'）；true
print bf.query（'1230213'）。#true
打印bf.query（'12'）false
欢迎加入QQ群-->： 979659372
