JS 实现一个 Bloom Filter

Bloom 过滤器（Bloom Filter）是一种用于判断一个元素是否属于一个集合的概率型数据结构。它可以告诉你一个元素可能属于这个集合，或者一定不属于这个集合，但无法确定元素一定属于这个集合（存在一定的误判率）。

以下是一个简单的 JavaScript 实现 Bloom 过滤器的示例：

class BloomFilter {
    constructor(size, hashFunctions) {
        this.size = size; // 过滤器的大小
        this.hashFunctions = hashFunctions; // 哈希函数的数组
        this.filter = new Array(size).fill(false); // 初始化一个布尔数组
    }

    add(item) {
        for (const hashFunction of this.hashFunctions) {
            const index = hashFunction(item) % this.size;
            this.filter[index] = true;
        }
    }

    contains(item) {
        for (const hashFunction of this.hashFunctions) {
            const index = hashFunction(item) % this.size;
            if (!this.filter[index]) {
                return false;
            }
        }
        return true;
    }
}

// 使用示例
const hashFunctions = [
    (item) => {
        let hash = 0;
        for (let i = 0; i < item.length; i++) {
            hash = (hash << 5) + item.charCodeAt(i);
        }
        return hash;
    },
    // 可以添加更多的哈希函数
];

const bloomFilter = new BloomFilter(100, hashFunctions);

bloomFilter.add("apple");
bloomFilter.add("orange");

console.log(bloomFilter.contains("apple"));   // true
console.log(bloomFilter.contains("banana"));  // false (可能误判)

在这个示例中，BloomFilter 类接受一个过滤器的大小和一组哈希函数。add 方法用于添加元素到过滤器中，而 contains 方法用于检查元素是否可能在过滤器中。

注意，Bloom 过滤器有一定的误判率，但它在空间效率和查询速度方面具有优势，特别是在处理大数据集时。根据应用场景的不同，可能需要根据实际情况调整过滤器的大小和哈希函数的数量。