原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2015级
张瑞;●大数据定义：
体量特别大，堪称是海量的，巨大的，同时数据类别特别丰富的一种数据集。;●大数据之大，数量之多，必然存在数据冗余，也就少不了数据精简存储即删冗。;Review of Juang-Chen-Liaws scheme; ;●相似数据检测和编码技术
相似数据检测技术：
基于shingle的检测技术
基于bloom filter的检测技术
基于模式匹配的检测技术
相似数据编码技术：
基于diff的delta编码技术：仅适用于文本文件的差异查找编 码。
基于bdiff的delta编码技术
基于vdelta的delta编码技术
;基于bloom filter的检测技术
算法过程：首先创建一个m位的BitSet，先将所有位初始化为零，然后选择k个不同的哈希函数，第i个哈希函数对字符串str哈希的结果记为h（i，str），h（i，str）在0到m-1。
（1）加入字符串过程
对于字符串str，分别计算h（1，str），h（2，str）…… h（k，str）。然后将BitSet的第h（1，str）、h（2，str）…… h（k，str）位设为1。
（2）检查字符串是否存在的过程
对于字符串str，分别计算h（1，str），h（2，str）…… h（k，str）。然后检查BitSet的第h（1，str）、h（2，str）…… h（k，str）位是否为1，若其中任何一位不为1则可以判定str一定没有被记录过。若全部位都是1，则“认为”字符串str存在。
若一个字符串对应的Bit不全为1，则可以肯定该字符串一定没有被Bloom Filter记录过。但是若一个字符串对应的Bit全为1，实际上是不能100%的肯定该字符串被Bloom Filter记录过的。; ; ;Thank you !
The end
文档评论（0）