Jest to aplikacja dla systemu Linux o nazwie Bloom Filters, której najnowszą wersję można pobrać w wersji 3.6.0sourcecode.zip. Można go uruchomić online w bezpłatnym dostawcy hostingu OnWorks dla stacji roboczych.
Pobierz i uruchom online tę aplikację o nazwie Filtry Bloom z OnWorks za darmo.
Postępuj zgodnie z tymi instrukcjami, aby uruchomić tę aplikację:
- 1. Pobrałem tę aplikację na swój komputer.
- 2. Wpisz w naszym menedżerze plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 3. Prześlij tę aplikację w takim menedżerze plików.
- 4. Uruchom emulator online OnWorks Linux lub Windows online lub emulator online MACOS z tej witryny.
- 5. W systemie operacyjnym OnWorks Linux, który właśnie uruchomiłeś, przejdź do naszego menedżera plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 6. Pobierz aplikację, zainstaluj ją i uruchom.
ZRZUTY EKRANU
Ad
Filtry Bloom
OPIS
Filtr Bloom to zwięzła/skompresowana reprezentacja zbioru, gdzie głównym wymaganiem jest tworzenie zapytań o członkostwo; tj. czy element jest członkiem zbioru. Filtr Bloom zawsze prawidłowo zgłosi obecność elementu w zestawie, jeśli element rzeczywiście jest obecny. Filtr Bloom może zużywać znacznie mniej pamięci niż oryginalny zestaw, ale pozwala na pewne „fałszywe alarmy”: czasami może zgłaszać, że element jest w zestawie, podczas gdy go nie ma. Kiedy konstruujesz, musisz wiedzieć, ile masz elementów (pożądana pojemność) i jaki jest pożądany współczynnik fałszywych trafień, który jesteś w stanie tolerować. Powszechny odsetek wyników fałszywie dodatnich wynosi 1%. Im niższy odsetek wyników fałszywie dodatnich, tym więcej pamięci będziesz potrzebować. Podobnie, im większa pojemność, tym więcej pamięci będziesz używać. Możesz skonstruować filtr Bloom zdolny do odbierania 1 miliona elementów z odsetkiem wyników fałszywie dodatnich wynoszącym 1%.
Korzyści
- Powinieneś wywoływać NewWithEstimates zachowawczo
- Nasza implementacja akceptuje klucze do ustawiania i testowania jako []byte
- Czasami rzeczywisty odsetek wyników fałszywie dodatnich może różnić się (nieznacznie) od teoretycznego wskaźnika wyników fałszywie dodatnich
- Filtr Blooma ma dwa parametry: m, liczbę bitów używanych do przechowywania, oraz k, liczbę funkcji mieszających na elementach zbioru
- Kiedy konstruujesz, musisz wiedzieć, ile masz elementów (pożądana pojemność) i jaki jest pożądany współczynnik fałszywych trafień, który jesteś w stanie tolerować
- Filtr Bloom może zużywać znacznie mniej pamięci niż oryginalny zestaw
Język programowania
Go
Kategorie
Jest to aplikacja, którą można również pobrać z https://sourceforge.net/projects/bloom-filters.mirror/. Został umieszczony w OnWorks, aby można go było uruchomić online w najprostszy sposób z jednego z naszych bezpłatnych systemów operacyjnych.