murmur3

一、布隆的定义是什么？ 布隆过滤器（英语：Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以 用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。 Bloom Filter（BF）是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。 它是一个判断元素是否存在集合的快速的概率算法。Bloom Filter有可能会出现错误判断，但不会漏掉判断。也就是Bloom Filter判断元 素不再集合，那肯定不在。如果判断元素存在集合中，有一定的概率判断错误。因此，Bloom Filter”不适合那些“零错误的应用场合。 而在能容忍低错误率的应用场合下，Bloom Filter比其他常见的算法（如hash，折半查找）极大节省了空间。 二、布隆的原理是什么 布隆过滤器的原理是，当一个元素被加入集合时，通过K个散列函数将这个元素映射成一个位数组中的K个点，把它们置为1。检索时，我 们只要看看这些点是不是都是1就（大约）知道集合中有没有它了：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检 元素很可能在。这就是布隆过滤器的基本思想。 Bloom Filter跟单哈希函数Bit-Map不同之处在于：Bloom

概要 近似聚合算法 上一篇我们演练的聚合算法，在Elasticsearch分布式场景下，其实是有略微区别的，简单来说我们可以把这些聚合算法分成两类，易并行算法和不易并行算法。 易并行算法 比如max，min，就是多个node或shard可以单独并行计算，并且可以随着机器数的线性增长而横向扩展，没有任何协调操作，得到的结果返回给Coordinate Node时的数据量已经非常小了，像max或min，只需返回给Coordinate Node一个Long值就行。 不易并行算法 没有上述的优势，每个node或shard返回的数据都特别大，节点越多，Coordinate Node处理压力越大，如经典的TOP N问题。 近似算法 针对易并行算法，处理节点分散，结果准确，但针对不易并行算法，ES会采取近似聚合的方式，采用cardinality或percentiles算法，这两个算法近似估计后的结果，不完全准确，误差率约为0.5%，但是速度会很快，一般会达到完全精准的算法的性能的数十倍。 三角选择原则 有点类似于CAP理论，精准、实时、大数据，只能选择其中2个 精准+实时: 数据量小，随便玩 精准+大数据：hadoop，批处理，非实时，可以处理海量数据，保证精准，可能会跑几个小时 大数据+实时：es，不精准，近似估计，可能会有百分之几的错误率 没有什么方案是100%完美的，完美主义在这里不好使。

3 月，跳不动了？>>> 本篇文章我们主要介绍cassandra的相关配置，我把cassandra的相关配置中个人觉得相对比较重要的按照集群、节点这个横向维度进行介绍，可能有的配置我不会列在这里，那么具有见cassandra.yaml里面的详细介绍；如何配置cassandra，需要在集群启动的时候在conf目录下面的cassandra.yaml里面进行配置即可。此外我们的配置需要遵守yaml文件配置规则。本处以3.11.4进行介绍 集群维度 cluster_name: //集群的名字，默认是Test Cluster，用''括起来。不同的cluster name的节点无法组成一个集群 num_tokens: 256 //集群中单节点的的分配token数，因为使用vnode，也就是vnode的个数，每个token是随机生成的，此外如果不使用vnode的话，可以使用每个节点预分配一个初始的token，通过下面的配置下； initial_token: //如果集群不想使用vnode的话，需要手工给每个节点进行token配置，手工计算节点的token数，但是扩容的时候建议是成倍扩容。vnode不需要 partitioner: //集群的数据分配算法，也就是常见的一致性hash算法中计算hash的那个模块，其中默认使用org.apache.cassandra.dht

我需要将字符串转换为某种形式的哈希。 这在JavaScript中可行吗？ 我没有使用服务器端语言，所以我不能那样做。 #1楼 编辑 根据我的jsperf测试，可接受的答案实际上更快： http ://jsperf.com/hashcodelordvlad 原版的 如果有人感兴趣，这是一个改进的（更快的）版本，它将在缺少 reduce 数组功能的旧版浏览器上失败。 hashCode = function(s){ return s.split("").reduce(function(a,b){a=((a<<5)-a)+b.charCodeAt(0);return a&a},0); } 单线箭头功能版本： hashCode = s => s.split('').reduce((a,b)=>{a=((a<<5)-a)+b.charCodeAt(0);return a&a},0) #2楼 我需要一个类似的函数（但有所不同）来根据用户名和当前时间生成一个唯一的ID。 所以： window.newId = -> # create a number based on the username unless window.userNumber? window.userNumber = 0 for c,i in window.MyNamespace.userName char = window