传媒公司的业务范围seo技术助理

布隆

布隆过滤器（Bloom Filter）是一种概率型数据结构，用于判断一个元素是否可能存在于一个集合中。它使用多个哈希函数和位图来表示集合中的元素。

布隆过滤器的基本原理如下：

1. 初始化：创建一个长度为m的位图（bitmap），并将所有位都置为0。

2. 插入元素：对于要插入的元素，使用k个哈希函数对其进行哈希计算，得到k个哈希值。然后将位图中对应的位置置为1。

3. 查询元素：对于要查询的元素，同样使用k个哈希函数对其进行哈希计算，得到k个哈希值。然后检查位图中对应的位置，如果所有位置都为1，则认为元素可能存在于集合中；如果有任何一个位置为0，则元素一定不存在于集合中。

布隆过滤器的优点是占用空间小、插入和查询速度快，且不需要存储实际的元素值。但布隆过滤器也存在一定的误判率（False Positive），即可能将不存在的元素误判为存在。误判率取决于位图的长度和哈希函数的个数。

布隆过滤器适用于需要高效判断元素是否存在的场景，如缓存穿透问题、URL去重、黑名单过滤等。但它不适用于需要精确判断元素是否存在的场景，因为存在一定的误判率。在使用布隆过滤器时，需要根据实际情况选择合适的位图长度和哈希函数个数，以平衡空间占用和误判率。

哈希切分

问题：两个文件分别有100亿个query，只有1G内存，如何找到两个文件的交集？分别给出精确算法和近似算法

1.假设每个query 30byte ，100亿query需要多少空间？ -> 3000亿byte -> ≈ 300G （10亿byte约等于1G）
2.假设两个文件叫A和B

在相同编号的小文件中找交集 A0和B0 …
如果小文件过大也可以切分（递归即可），没有必要分成1000份（分成适当大小即可）

问题