X'inhu Bloom filter u x'inhu t-trade-off li jagħmel?

Question

Accepted Answer

**Bloom filter** hija struttura **probabilistika** effiċenti fl-ispazju li twieġeb l-għadd tal-korp bi twist wieħed: tista' jkollha **falsi pożittivi** iżda **qatt ebda falsu negattiv**. "Ċertament mhux preżent" hija ċerta; "possibbilment preżent" teħtieġ verifikazzjoni reali.

## Kif taħdem

Array ta' bits ta' `m` bits u `k` funzjonijiet hash. Biex **iżżid** item, issettja l-`k` bits li jitħoqqot. Biex **tistaqsi**, iċċekkja dawk il-`k` bits — jekk xi waħda hija 0, l-item ċertament mhux preżent.

```text
bits: [0 0 0 0 0 0 0 0]
add "cat":  hash->bits 1,4,6  -> [0 1 0 0 1 0 1 0]
query "dog": hashes to 1,3,6 -> bit 3 is 0 -> DEFINITELY absent
query "cat": all of 1,4,6 set -> "probably present"
```

## Code

```python
class BloomFilter:
    def __init__(self, m, hashes):
        self.bits = [0]*m
        self.m, self.hashes = m, hashes   # list of hash fns
    def add(self, x):
        for h in self.hashes:
            self.bits[h(x) % self.m] = 1
    def __contains__(self, x):            # False = certain; True = maybe
        return all(self.bits[h(x) % self.m] for h in self.hashes)
```

| Operazzjoni | Ħin | Spazju |
|---|---|---|
| add | O(k) | O(m) bits |
| query | O(k) | — |

L-ebda falsu negattiv; il-rata tal-falsi pożittivi tonqos hekk kif `m` (u `k` aġġustata) tikber.

## Trade-off

- **Virtuzzi:** footprint tal-memorja ħafif ħafif meta mqabbla ma' l-ħżin tal-ċwievet kompleti; operazzjonijiet ta' ħin kostanti.
- **Dgħufija:** falsi pożittivi; **ma tistax tħassar** (Bloom filter standard); ma tistax telenka l-membri.

## Għaliex hija importanti

Bloom filters ħafifement jiskantaw xogħol għali: databases (eż. Cassandra, HBase) jużawhom biex jirrifjutaw qari tad-disk għal ċwievet li **ċertament** mhux fuq id-disk.

Huma jinkorporaw trade-off classic tas-sistemi — aċċetta rata ta' żball żgħira u limitata bħala permezz għal tnaqqis enormi fil-memorja u l-I/O.