bloomRF：基于分段单调哈希函数与二进迹树、利用布隆过滤器执行范围查询的方法
数据库
2021-01-01 v1
摘要
我们提出 bloomRF 作为一种统一的近似成员检测方法，可在单一数据结构上支持点查询与范围查询。bloomRF 扩展了布隆过滤器（Bloom-Filter）的范围查询能力，并可能取代它们。其核心思想是利用二进区间方案确定覆盖某一数据点的二进区间集合，随后对这些区间进行编码并插入。bloomRF 引入了二进迹树（Dyadic Trace-Tree）这一新型数据结构，隐式地表示这些覆盖区间。一种迹树编码方案以紧凑的位表示高效地表示覆盖区间集合。此外，bloomRF 引入了新颖的分段单调哈希函数，这些函数在局部保序，从而支持范围查询。我们提出了一种用于范围查询的高效成员计算方法。尽管 bloomRF 是为整数设计的，它也支持字符串与浮点数据类型。它还能处理多属性并作为多属性过滤器使用。我们在 RocksDB 与一个独立库中评估了 bloomRF。bloomRF 更为高效，在一系列设置下比现有的点-范围过滤器性能高出至多 4 倍。
引用
@article{arxiv.2012.15596,
title = {bloomRF: On Performing Range-Queries with Bloom-Filters based on Piecewise-Monotone Hash Functions and Dyadic Trace-Trees},
author = {Christian Riegger and Arthur Bernhardt and Bernhard Moessner and Ilia Petrov},
journal= {arXiv preprint arXiv:2012.15596},
year = {2021}
}