Bloom-Filter: Eine probabilistische Datenstruktur für effizientes Set-Membership-Testing

Bloom-Filter sind probabilistische Datenstrukturen, die für schnelles und speichereffizientes Set-Membership-Testing entwickelt wurden. Sie verwenden mehrere Hash-Funktionen, um Elemente auf Bits in einem Bitvektor abzubilden. Sind alle entsprechenden Bits auf 1 gesetzt, kann das Element *möglicherweise* vorhanden sein; andernfalls ist es definitiv nicht vorhanden. Obwohl sie zu Fehlalarmen neigen, machen ihre Geschwindigkeit und Speichereffizienz sie ideal für große Datensätze. Dieser Artikel beschreibt die Prinzipien von Bloom-Filtern, die Auswahl der Hash-Funktionen, die Größenbestimmung, Anwendungen und Implementierungsbeispiele in verschiedenen Systemen.