知识卡片
布隆筛选后再精确连接
把受影响实体集合压缩成布隆过滤器,复制到扫描任务,可先过滤主集中的大部分无关记录。标准只增布隆集合可能误报存在,但对已加入元素不会漏报;因此相关记录保留,而少量额外记录再与准确实体列表连接去除。它减少需要重新分区的数据量,并不免掉第一遍扫描,也不能把概率过滤结果直接当精确成员判断。
结构图:
flowchart TD
A[新数据提取实体] --> B[准确实体集合]
B --> C[布隆过滤器]
D[扫描主数据集] --> E[概率筛选]
C --> E
E --> F[相关候选:含误报]
F --> G[与准确集合连接]
B --> G
G --> H[仅相关事实]
与[[部分重算]]的联系:布隆预筛减少相关事实精确连接的重分区规模。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
布隆过滤器有误报但没有漏报。
参考来源
- 位置:《大数据系统构建:可扩展实时数据系统构建原理与最佳实践》第18章《深入Lambda架构》(来源项目book-sources;源文件:extracted/大数据系统构建:可扩展实时数据系统构建原理与最佳实践/_epub-src/OEBPS/Text/127.xhtml)
- 结论依据:图18-2先map-only筛选,再与精确列表连接去误报,说明概率预筛与精确处理的分工。
- 原始内容:布隆过滤器有误报但没有漏报。