RedisBloom

使用Bloom Filter Cuckoo Filter Count Mins Sketch和TopK功能扩展Redis

RedisBloom扩展了Redis核心,以支持其他概率数据结构。它允许以恒定的处理速度和低的错误率在恒定的存储空间中解决计算机科学问题。它支持可缩放的Bloom和Cuckoo过滤器,以给定的确定性确定项目是否为集合中是否存在Count Mins Sketch用于计算子线性空间中不同项目的频率,并且TopK允许Redis以接近确定性的方式对前k个事件进行计数

观看Scopely的Cristian Castiblanco描述其对RedisBloom的使用

好处

高度优化的性能

经学术证明的最先进的概率数据结构和算法为Redis优化

节省大量计算和内存空间

使用针对Redis优化的高级概率算法

可靠且可扩展的架构

无需完全了解所检查元素的数量,就可以以完全可靠和持久的方式管理任意数量的概率过滤器和计数器

尝试RedisBloom

企业版
Redis企业云
Redis企业软件
最新模块版本

主要能力

布隆过滤器

一种数据结构,旨在以内存高效的方式快速确定元素是否存在于集合中


布谷鸟过滤器

布隆过滤器的替代品,具有从集合中删除元素的额外支持


数最小草图

计算数据样本中事件的频率


托普

一种确定性算法,可以对前k个项目的频率进行近似