countBF：一种通用、高精度且空间高效的计数布隆过滤器

布隆过滤器是一种用于成员查询的概率数据结构，已在多个领域被广泛试验以削减内存消耗并提升系统性能。布隆过滤器分为两类：计数布隆过滤器（CBF）与非计数布隆过滤器。CBF 的假阳性概率高于标准布隆过滤器（SBF），即 CBF 比 SBF 占用更高的内存 footprint。但 CBF 可解决假阴性概率的问题。值得注意的是，SBF 同样无假阴性，但它不能像 CBF 那样支持删除操作。为解决这些问题，我们提出一种基于 SBF 与二维布隆过滤器的新型计数布隆过滤器，称为 countBF。countBF 使用改进的 murmur 哈希函数以满足其多方面需求，并经由实验评估。我们的实验结果表明，countBF 分别比 SBF 和 CBF 少用 $1.96\times$ 和 $7.85\times$ 的内存，同时保持比 SBF 和 CBF 更低的假阳性概率与执行时间。countBF 的总体准确率为 $99.999921$，证明了其相对于 SBF 和 CBF 的优越性。此外，我们还与其他最优的计数布隆过滤器进行了比较。