CN105574076A - 一种基于Bloom Filter的键值对存储结构及方法 - Google Patents
一种基于Bloom Filter的键值对存储结构及方法 Download PDFInfo
- Publication number
- CN105574076A CN105574076A CN201510847537.6A CN201510847537A CN105574076A CN 105574076 A CN105574076 A CN 105574076A CN 201510847537 A CN201510847537 A CN 201510847537A CN 105574076 A CN105574076 A CN 105574076A
- Authority
- CN
- China
- Prior art keywords
- key
- value
- unit
- layer
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于Bloom?Filter的键值对存储结构及方法,存储结构包括k个不相同的哈希函数和m个用于存储value的存储单元;所述m个存储单元被分配成k个不同的块,每个块有m/k个单元;每一个单元带有L层,每一层有B个比特位。本发明在数据库交互查询、高速网络中资源定位、计算机网络监控等产生大量数据、需要进行键值对查询的应用领域,可以大大减少集合查询的时间,降低资源消耗。
Description
技术领域
本发明涉及计算机网络领域和计算机系统存储领域,特别是特别是高性能、高吞吐量的交互查询的应用领域,具体是一种基于BloomFilter的键值对存储结构及方法。
背景技术
近年来,随着计算机的飞速发展,数据库,网络和其他应用中的集合规模呈几何增长。存储和查询键值(key,value)对是计算机系统中常见的任务,这就需要设计对应的键值对存储数据结构支持快速的键值对查询。键值对操作经常出现在网络和存储系统中,如key-value数据库MongoDB,CouchDB。每个放入到键值对存储系统中的唯一键(key)都对应一个value,例如(3,5)是一个键key为3,值value为5的键值对,将(3,5)存储到键值对存储系统后,可以通过查询键(key)为3,得到值(value)为5。
键值对操作通常包含下面四种操作:1、Query(key):对于指定键(key),查找对应的值(value)。2、Insert(key,value):将(key,value)键值对存入对应的键值对存储系统中。3、Delete(key,value):在对应的键值对存储系统中删除对应的键值对(key,value)。4、Update(key,newValue):将key对应的键值由value改为newValue。
设计一个高效的键值对存储结构带来了很大挑战。如,在传统计算机网络中,使用<源IP,目的IP,源端口,目的端口,协议号>一共104比特的5元组来标识一条流,每一条TCP流都会有对应的状态,如果将流的5元组作为键值对的key,将TCP流对应的状态作为value组成键值对(key,value)。如果采用线性结构进行网络流状态存储,并且直接将(key和value)作为元组直接存入。存储key(对应104个bit)需要大量的空间,而且在查找对应key的value的时候会消耗大量的时间,因此在高速计算机网络中,如何高效的存储这些信息,快速的查询对应流(key)的状态(value)成为挑战。
BloomFilter是一种能够表示集合、支持集合查询的简洁数据结构,它能够有效的表示数据集合。BloomFilter结构实质是将集合中元素通过k个哈希函数映射到位向量中。BloomFilter在达到其高效表示集合的同时,进行元素查询时却存在一定的假阳性错误,而不存在假阴性错误。虽然BloomFilter结构在元素查询时存在少量错误,但是由于它对存储空间的高效性,使得该数据结构自1970年由B.Bloom提出以来得到了比较广泛的应用。
但是传统的BloomFilter仅仅只能支持元素是否存在与否的从属查询。如果元素为key,那么只能支持key存在与否的从属查询,而无法支持(key,value)操作。因为bloomfilter无法直接存储value,因此并不能支持键值对的上述四种操作。要使得BloomFilter支持键值对的基本操作,必须要改进传统的BloomFilter,设计新的Bloomfilter结构,使得BloomFilter能够支持键值对的基本操作。
发明内容
本发明所要解决的技术问题是,针对现有技术不足,提供一种基于BloomFilter的键值对存储结构及方法,大大减少集合查询的时间,降低资源消耗。
为解决上述技术问题,本发明所采用的技术方案是:一种基于BloomFilter的键值对存储结构,包括k个不相同的哈希函数和m个用于存储value的存储单元(哈希函数用来映射到存储单元中的位置);所述m个存储单元被分配成k个不同的块,每个块有m/k个单元;每一个单元带有L层,每一层有B个比特位(后文中简称为statusbf)。
本发明还提供了一种利用上述结构实现键值对操作的方法,包括步骤:
1)当要插入一个键值对(key,value)时,将value进行编码,编码后表示为V0V1V2……VB-1;其中Vi表示编码后的第i位,0≤i<B;接着对key使用k个哈希函数h1h2……hk,确定k个不同的位置h0(key)h1(key)……hk-1(key),然后对这k个不同位置的单元进行加操作,将value值插入;对于每个单元的第一个位将输入的value编码后对应的比特位Vj作为对应位的输入,0≤j<B;对于其它层使用该层的上一层的进位位作为该层的输入,每一层的每一个位最终结果等于当前层每一个位的本位和;
2)当要删除一个键值对(key,value)时,将value进行编码,编码后表示为V0V1V2……VB-1;其中Vi表示编码后的第i位,0≤i<B;接着对key使用k个哈希函数h1h2……hk,确定k个不同的位置h0(key)h1(key)……hk-1(key),然后对这k个不同位置的单元进行减操作,将value值删除;对于每个单元的第一个位将输入的value编码后对应的比特位Vj作为对应位的输入,0≤j<B;对于其它层使用该层的上一层的进位位作为该层的输入,每一层的每一个位最终结果等于当前层每一个位的本位差;
3)要查询一个键值key时,对k个不同位置h0(key)h1(key)……hk-1(key)的单元进行查询操作,对于k个位置的每个单元,对每一个位Si的每一层进行或操作,即然后通过所有位得到第k个单元查询结果Ti=S0S1……SB-1,1≤i≤k;最终查询结果Q等于每个单位的与操作,即Q=T1∧T2……∧TK;
4)要将一个键值为key更新为newValue时,首先查询键值为key的value,然后重复步骤2),删除(key,newValue),最后重复步骤1),插入(key,newValue)。
与现有技术相比,本发明所具有的有益效果为:本发明在数据库交互查询、高速网络中资源定位、计算机网络监控等产生大量数据、需要进行键值对查询的应用领域,可以大大减少集合查询的时间,降低资源消耗。
附图说明
图1是改进的键值对BloomFilter结构,其中m表示所有单元的个数,k表示哈希函数的个数,L表示每个单元的层数,B表示数据的位数。
图2是插入操作示意图。其中表示的是第i个块,第j个单元的第p层在进行插入前的值,表示的是第i个块,第j个单元的第p层在进行插入后的值,表示的是第i个块,第j个单元的第p层的进位位。对于每一层,类似于加法器我们有:
图3是删除操作示意图。其中表示的是第i个块,第j个单元的第p层在进行删除前的值,表示的是第i个块,第j个单元的第p层在进行删除后的值,表示的是第i个块,第j个单元的第p层的借位位。对于每一层,类似于减法器我们有:
图4(a)、图4(b)、图4(c)是插入操作示意图,分别插入键值对(f1,0001),(f2,0010),(f3,0001),图4(d)、图4(f)是查询操作示意图,分别查询键值为f1,f3的值,图4(e)是删除操作示意图删除(f1,0001)。
图5实施环境数据详细信息,包含数据来源,数据时间,包大小,最大并发流个数,本实施例与最近几年研究成果进行了对比,其中包括,sBF是2006年sigcomm中的论文”BeyondBloomFilters:FromApproximateMembershipCheckstoApproximateStateMachines”提出的一种基于BloomFilter的键值对查询算法,该算法在BloomFilter的基础上将单元保存着数值,和计数器,如果有不同的值映射到相同的位置,就把存有不同值位置的值置为未知;kBF是2014年infocom中的论文“kBF:aBloomFilterforKey-ValueStoragewithanApplicationonApproximateStateMachines”提出的一种基于BloomFilter的键值对查询算法,该算法将value值进行编码后,对每一个映射到的单元进行异或,最后查询时将所有映射到的单元进行整体解码。
图6(a)~图6(d)是固定BloomFilter的长度m,在不同哈希函数个数下,使用三种不同算法stateBF与sBF和kBF,对于数据集1、2、3、4在假阳性误判率性能上的比较(假阳性是指查询的键key不存在于集合内,但查询结果显示键key存在,并且有对应的值value)。数据结果显示在所有的数据集下,我们所提出的算法stateBF的假阳性最小。其中在第一个数据集和第二个数据集下,由于第一个数据集和第二个数据集是日本和美国之间的流量数据集,因此TCP连接状态变化的很快,因此在相同位置映射不同的值使得这个位置变成未知的sbf算法的误判率就会很高,而在第三个和第四个数据集的情况下,是学校出口链路流量数据集,TCP连接状态变化相对较少,在相同位置如果映射同一种value值就会无法解码的kbf算法的误判率就会相对较高。
图7(a)~图7(d)是固定BloomFilter的长度m,在不同哈希函数个数下,使用三种不同算法stateBF与sBF和kBF,对于数据集1、2、3、4在假阴性误判率性能上的比较(假阴性是指查询的键key真实存在于集合内,但使用算法查询键key得到对应的值value与真实的值value不相同)。数据结果显示在所有的数据集下,我们所提出的算法stateBF的假阴性最小。同理,第一个数据集和第二个数据集是日本和美国之间的数据集,因此TCP连接状态变化的很快,因此在相同位置映射不同的值使得这个位置变成未知的sbf算法的假阴性率就会很高,而在第三个和第四个数据集的情况下,是学校之间的数据集,TCP连接状态变化相对较少,在相同位置如果映射同一种value值就会无法解码的kbf算法的假阴性就会相对较高。
具体实施方式
本实施中bloomfilter结构对应的参数为:m=24,k=3,L=3,B=4。即一共有3个哈希函数,24个单元,每单元有3层,每层有4个比特。图4(a)—(e)包含有插入,删除,查询操作示意图。
插入操作Insert(key,value)过程:当要插入一个键值对(key,value)时,将value进行编码,编码后表示为V0V1V2……VB-1(其中Vi(0≤i<B)表示编码后的第i位)。接着对key使用k个哈希函数h1h2……hk,确定k个不同的位置h0(key)h1(key)……hk-1(key),然后对这k个不同位置(h0(key)h1(key)……hk-1(key))的单元进行加操作,将value值插入。对于每个单元的每一个位(第i层(0≤i<L)第j个(0≤j<B)位,记为),相当于是一个半加器,对于第一层输入的value编码后对应的比特位(Vj(0≤j<B))作为对应位的输入,对于其它层使用它的上一层的进位位(第i层(0≤i<L)第j个(0≤j<B)的进位位记为)作为它的输入,每一层的每一个位最终结果等于当前层每一个位的本位和。即
图4(a)是插入键值对(f1,0001),首先使用3个不同哈希函数,哈希到3个不同的位置,然后分别对哈希到的单元,使用加操作,完成插入操作,即对每一层的每一个比特位看成加法器,第1层的输入是0001,其他层的输入是上一层的输出。图4(b)、图4(c)同理,是进行(f2,0010),(f3,0001)键值对的插入。
查询操作Query(key)过程:当要查询一个键值key时。首先对key使用k个哈希函数h0h1……hk-1,确定k个不同的位置h0(key)h1(key)……hk-1(key),然后对这k个不同位置(h0(key)h1(key)……hk-1(key))的单元进行查询操作。对于k个位置(h0(key)h1(key)……hk-1(key))的每个单元,我们对每一个位(记为Si)的每一层进行或操作然后通过所有位得到第k个单元查询结果Ti=S0S1……SB-1(1≤i≤k)。最终查询结果等于每个单位的与操作,即Q=T1∧T2……∧TK。
图4(d)是查询键值为f1的值,首先使用3个哈希函数,哈希到三个不同的单元,对每一个单元使用或操作得到对应的值,图中第一个单元得到0001,第二个单元得到0011,第三个单元得到0001,最后将3个结果使用与操作得到最终结果0001,于是查询key的value结果为0001。同理4(f)是查询key为f3得到结果为0001的示意图。
删除操作Delete(key,value)过程:首先将value进行编码,编码后表示为V0V1V2……VB-1(其中Vi(0≤i<B)表示编码后的第i位)。接着对key使用k个哈希函数h0h1……hk-1,确定k个不同的位置h0(key)h1(key)……hk-1(key),然后对这k个不同位置(h0(key)h1(key)……hk-1(key))的单元进行减操作,将value值删除。对于每个单元的每一个位(第i层(0≤i<L)第j个(0≤j<B)位,记为),相当于是一个半减器,对于第一层输入的value编码后对应的比特位(Vj(0≤j<B))作为对应位的输入,对于其它层使用它的上一层的借位位(第i层(0≤i<L)第j个(0≤j<B)的借位位记为)作为它的输入,每一层的每一个位最终结果等于当前层每一个位的本位差。即
图4(e)是是删除键值对(f1,0001),首先使用3个不同哈希函数,哈希到3个不同的位置,然后分别对哈希到的单元,使用减操作,完成插入操作,即对每一层的每一个比特位看成加法器,第1层的输入是0001,其他层的输入是上一层的输出。结果如图所示。
更新操作Update(key,newValue)过程:对于我们要将一个键值为key更新为newValue时,首先查询键值为key的value,然后使用(2)操作,删除(key,value),最后在使用(1)操作,插入(key,newValue)。
本实施例是键值对BloomFilter,在一个高速网络中的对TCP流量状态的监控中的实际应用,用来存储和查询所有TCP流的状态。对于一条TCP流,将<源IP,目的IP,源端口,目的端口,协议号>作为键(key),将TCP流的三个标志位(ACK,RST,FIN)的所有可能(8种)作为value,由于所有可能状态为8个,编码后将B设置为8,即表示每一层有8个位。对于每一条新到来的流,首先使用查询Query(key)功能,查询新到来的流的当前状态,如果存在这条流,则使用更新操作Update(key,value),更新这条流的状态信息,如果这条流不存在则使用插入操作Insert(key,value)插入这条流的状态信息,如果这条流的FIN位为1,则使用删除Delete(key,value)删除这条流对应的状态信息。为了验证实施方案的性能,我们使用真实数据(MAWI以及校园网出口数据)来进行实验,数据详细信息如图5所示。
实施结果如图6(a)~图6(d),图7(a)~图7(d)所示。在图6(a)~图6(d),图7(a)~图7(d)中,我们算法的结果由stateBF所示,另外sBF和kBF是当前改进bloomfilter所使用的两种不同算法。图6(a)~图6(d)是固定长度m,在不同哈希函数个数下,stateBF与sBF和kBF在假阳性误判率性能上的比较,数据结果显示在所有的数据集下,我们所提出的算法stateBF的假阳性最小。图7(a)~图7(d)是固定长度m,在不同哈希函数个数下,stateBF与sBF和kBF前两种不同算法在假阴性误判率性能上的比较,数据结果显示在所有的数据集下,我们所提出的算法stateBF的假阴性最小。
Claims (2)
1.一种基于BloomFilter的键值对存储结构,其特征在于,包括k个不相同的哈希函数和m个用于存储value的存储单元;所述m个存储单元被分配成k个不同的块,每个块有m/k个单元;每一个单元带有L层,每一层有B个比特位。
2.一种利用权利要求1所述结构实现键值对操作的方法,其特征在于,包括以下操作:
1)插入操作:当要插入一个键值对(key,value)时,将value进行编码,编码后表示为V0V1V2......VB-1;其中Vi表示编码后的第i位,0≤i<B;接着对key使用k个哈希函数h1h2......hk,确定k个不同的位置h0(key)h1(key)......hk-1(key),然后对这k个不同位置的单元进行加操作,将value值插入;对于每个单元的第一个位将输入的value编码后对应的比特位Vj作为对应位的输入,0≤j<B;对于其它层使用该层的上一层的进位位作为该层的输入,每一层的每一个位最终结果等于当前层每一个位的本位和;
2)删除操作:当要删除一个键值对(key,value)时,将value进行编码,编码后表示为V0V1V2......VB-1;其中Vi表示编码后的第i位,0≤i<B;接着对key使用k个哈希函数h1h2......hk,确定k个不同的位置h0(key)h1(key)......hk-1(key),然后对这k个不同位置的单元进行减操作,将value值删除;对于每个单元的第一个位将输入的value编码后对应的比特位Vj作为对应位的输入,0≤j<B;对于其它层使用该层的上一层的借位位作为该层的输入,每一层的每一个位最终结果等于当前层每一个位的本位差;
3)查询操作:要查询一个键值key时,对k个不同位置h0(key)h1(key)......hk-1(key)的单元进行查询操作,对于k个位置的每个单元,对每一个位Si的每一层进行或操作,即然后通过所有位得到第k个单元查询结果Ti=S0S1......SB-1,1≤i≤k;最终查询结果Q等于每个单位的与操作,即Q=T1∧T2......∧TK;
4)更新操作:要将一个键值为key更新为newValue时,首先查询键值为key的value,然后重复步骤2),删除(key,newValue),最后重复步骤1),插入(key,newValue)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510847537.6A CN105574076B (zh) | 2015-11-27 | 2015-11-27 | 一种基于Bloom Filter的键值对存储结构及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510847537.6A CN105574076B (zh) | 2015-11-27 | 2015-11-27 | 一种基于Bloom Filter的键值对存储结构及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105574076A true CN105574076A (zh) | 2016-05-11 |
CN105574076B CN105574076B (zh) | 2019-02-12 |
Family
ID=55884207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510847537.6A Active CN105574076B (zh) | 2015-11-27 | 2015-11-27 | 一种基于Bloom Filter的键值对存储结构及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574076B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107562804A (zh) * | 2017-08-08 | 2018-01-09 | 上海数据交易中心有限公司 | 数据缓存服务系统及方法、终端 |
CN108021678A (zh) * | 2017-12-07 | 2018-05-11 | 北京理工大学 | 一种结构紧凑的键值对存储结构及快速键值对查找方法 |
CN109542939A (zh) * | 2018-11-21 | 2019-03-29 | 中国人民解放军国防科技大学 | 一种基于纠删码的count-min摘要方法及装置 |
CN112600834A (zh) * | 2020-12-10 | 2021-04-02 | 同盾控股有限公司 | 内容安全识别方法及装置、存储介质和电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1737799A (zh) * | 2005-09-09 | 2006-02-22 | 湖南大学 | 一种基于分档BloomFilter结构的查询方法 |
US20080071903A1 (en) * | 2006-09-19 | 2008-03-20 | Schuba Christoph L | Method and apparatus for monitoring a data stream |
CN101577721A (zh) * | 2008-12-05 | 2009-11-11 | 湖南大学 | 一种索引拆分布鲁姆过滤器及其插入、删除和查询方法 |
CN101655861A (zh) * | 2009-09-08 | 2010-02-24 | 中国科学院计算技术研究所 | 基于双计数布鲁姆过滤器的哈希方法和哈希装置 |
CN101901316A (zh) * | 2010-07-15 | 2010-12-01 | 哈尔滨工程大学 | 基于Bloom Filter的数据完整性保护方法 |
CN101923568A (zh) * | 2010-06-23 | 2010-12-22 | 北京星网锐捷网络技术有限公司 | 布隆过滤器的元素增加、删除方法以及布隆过滤器 |
CN102110171A (zh) * | 2011-03-22 | 2011-06-29 | 湖南大学 | 基于树形结构的布鲁姆过滤器的查询与更新方法 |
JP2011171995A (ja) * | 2010-02-18 | 2011-09-01 | Nippon Telegr & Teleph Corp <Ntt> | データ判別装置、データ判別方法およびデータ判別プログラム |
CN103020296A (zh) * | 2012-12-31 | 2013-04-03 | 湖南大学 | 一种高精度多维计数布鲁姆过滤器及其大数据处理方法 |
CN103970744A (zh) * | 2013-01-25 | 2014-08-06 | 华中科技大学 | 一种可扩展的重复数据检测方法 |
CN104375782A (zh) * | 2014-10-21 | 2015-02-25 | 浪潮电子信息产业股份有限公司 | 千万级小文件数据的一种读写解决方法 |
-
2015
- 2015-11-27 CN CN201510847537.6A patent/CN105574076B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1737799A (zh) * | 2005-09-09 | 2006-02-22 | 湖南大学 | 一种基于分档BloomFilter结构的查询方法 |
US20080071903A1 (en) * | 2006-09-19 | 2008-03-20 | Schuba Christoph L | Method and apparatus for monitoring a data stream |
CN101577721A (zh) * | 2008-12-05 | 2009-11-11 | 湖南大学 | 一种索引拆分布鲁姆过滤器及其插入、删除和查询方法 |
CN101655861A (zh) * | 2009-09-08 | 2010-02-24 | 中国科学院计算技术研究所 | 基于双计数布鲁姆过滤器的哈希方法和哈希装置 |
JP2011171995A (ja) * | 2010-02-18 | 2011-09-01 | Nippon Telegr & Teleph Corp <Ntt> | データ判別装置、データ判別方法およびデータ判別プログラム |
CN101923568A (zh) * | 2010-06-23 | 2010-12-22 | 北京星网锐捷网络技术有限公司 | 布隆过滤器的元素增加、删除方法以及布隆过滤器 |
CN101901316A (zh) * | 2010-07-15 | 2010-12-01 | 哈尔滨工程大学 | 基于Bloom Filter的数据完整性保护方法 |
CN102110171A (zh) * | 2011-03-22 | 2011-06-29 | 湖南大学 | 基于树形结构的布鲁姆过滤器的查询与更新方法 |
CN103020296A (zh) * | 2012-12-31 | 2013-04-03 | 湖南大学 | 一种高精度多维计数布鲁姆过滤器及其大数据处理方法 |
CN103970744A (zh) * | 2013-01-25 | 2014-08-06 | 华中科技大学 | 一种可扩展的重复数据检测方法 |
CN104375782A (zh) * | 2014-10-21 | 2015-02-25 | 浪潮电子信息产业股份有限公司 | 千万级小文件数据的一种读写解决方法 |
Non-Patent Citations (3)
Title |
---|
XIAOMEI TIAN 等: "Exact set reconciliation based on bloom filters", 《2011 INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND NETWORK TECHNOLOGY (ICCSNT)》 * |
XIONG S 等: "kBF: A Bloom Filter for key-value storage with an application on approximate state machines", 《IEEE INFOCOM 2014 - IEEE CONFERENCE ON COMPUTER COMMUNICATIONS》 * |
谢鲲: "布鲁姆过滤器查询算法及其应用研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107562804A (zh) * | 2017-08-08 | 2018-01-09 | 上海数据交易中心有限公司 | 数据缓存服务系统及方法、终端 |
CN108021678A (zh) * | 2017-12-07 | 2018-05-11 | 北京理工大学 | 一种结构紧凑的键值对存储结构及快速键值对查找方法 |
CN108021678B (zh) * | 2017-12-07 | 2022-05-17 | 北京理工大学 | 一种结构紧凑的键值对存储结构及快速键值对查找方法 |
CN109542939A (zh) * | 2018-11-21 | 2019-03-29 | 中国人民解放军国防科技大学 | 一种基于纠删码的count-min摘要方法及装置 |
CN112600834A (zh) * | 2020-12-10 | 2021-04-02 | 同盾控股有限公司 | 内容安全识别方法及装置、存储介质和电子设备 |
CN112600834B (zh) * | 2020-12-10 | 2023-03-24 | 同盾控股有限公司 | 内容安全识别方法及装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105574076B (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Demertzis et al. | Dynamic searchable encryption with small client storage | |
KR102266756B1 (ko) | Kvs 트리 | |
CN102915347B (zh) | 一种分布式数据流聚类方法及系统 | |
US10810257B2 (en) | Fast processing of path-finding queries in large graph databases | |
CN101655861B (zh) | 基于双计数布鲁姆过滤器的哈希方法和哈希装置 | |
CN103561133B (zh) | 一种ip地址归属信息索引方法及快速查询方法 | |
CN105574076A (zh) | 一种基于Bloom Filter的键值对存储结构及方法 | |
US10572442B2 (en) | Systems and methods for providing distributed tree traversal using hardware-based processing | |
CN110291518A (zh) | 合并树无用单元指标 | |
CN102110171B (zh) | 基于树形结构的布鲁姆过滤器的查询与更新方法 | |
CN107391554A (zh) | 高效分布式局部敏感哈希方法 | |
CN105574054B (zh) | 一种分布式缓存范围查询方法、装置及系统 | |
CN104298541A (zh) | 云存储系统的数据分布算法及其装置 | |
CN106649708A (zh) | 存储数据的方法和装置 | |
CN109408681A (zh) | 一种字符串匹配方法、装置、设备及可读存储介质 | |
CN110535825B (zh) | 一种特征网络流的数据识别方法 | |
CN106599091B (zh) | 基于键值存储的rdf图结构存储和索引方法 | |
CN104809135A (zh) | 一种数据存取方法及装置 | |
CN106407224A (zh) | 一种键值存储系统中文件压实的方法和装置 | |
CN105868190A (zh) | 一种在etl中优化任务处理的方法及系统 | |
CN105183880A (zh) | 一种哈希连接的方法及装置 | |
CN109597829B (zh) | 一种实现可搜索加密关系型数据库缓存的中间件方法 | |
CN107330094A (zh) | 动态存储键值对的布鲁姆过滤器树结构及键值对存储方法 | |
CN108460030A (zh) | 一种基于改进的布隆过滤器的集合元素判断方法 | |
CN108093024B (zh) | 一种基于数据频度的分类路由方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |