霜天部落 | 关注LAMP高性能、高并发架构的设计与研究

海量数据排重服务器:mc-bloom-filter

Mc bloom filter 介绍

Bloom filter 是由 Howard Bloom 在 1970 年提出的二进制向量数据结构,它具有很好的空间和时间效率,被用来检测一个元素是不是集合中的一个成员,被广泛使用于各种海量数据排重的场景中。Mc bloom filter是一个全新的排重服务器,它采用memcached的网络层封装了bloom filter的操作,使各种语言,都能使用memcached的协议进行bloom filter的操作。

mc bloom filter 的特性

  • 完全采用memcached的网络层协议,创建、删除、添加、查看状态等。
  • mc bloom filter 是一个全内存的排重服务器,所有数据均放在内存中。
  • 可以在一个实例中创建多个bloom filter,在内存允许的情况,可以创建几十G大小的bloom filter
  • 采用google员工写的的高性能hash算法murmurhash,保证bloom filter的hash的高速
  • 单机读写速度能达到十万次/s(同网段多线程压力测试 服务器配置:8核 Intel(R) Xeon(R) CPU E5620 @ 2.40GHz 32G内存)
  • 32位、64位服务器兼容。

mc bloom filter 的安装

  • bloom filter 使用memcached网络层,依赖于libevent,先登录http://libevent.org/ 下载最新稳定版本。
  •      wget https://github.com/downloads/libevent/libevent/libevent-2.0.20-stable.tar.gz
         tar zxvf libevent-2.0.20-stable.tar.gz
         cd libevent-2.0.20-stable
         ./configure
         make && make install
  • 在bloom filter 的google code 上,下载mc bloom filter的最新稳定版本
  •     1.wget bloom filter的最新稳定版本
        2.修改Makefile文件,主要是修改libevent到你的目录
        3.在目录中执行make,生成mc_bloom_filter【线上版】 mc_bloom_filter_【调试版】 两个可执行文件,调试版会打很多日志
        4. nohup ./mc_bloom_filter -p12345 -d -uroot -m4000 –p/tmp/mc_bloom_filter.pid –l127.0.0.1
        日志文件就是当前目录的nohup.out文件
  • mc bloom filter的启动参数
参数 是否必须 值的含义
p(小p) 监听端口,默认12345
P(大P) pid文件的地址
u(小u) 用哪个用户运行
m(小m) 最大内存,单位m
d(小d) 是否用daemon后台运行
l(小l) 监听的ip

mc bloom filter 的命令

add add key 0 0 value_length

expected_max_amount_of_elements|false_positive_rate

比如add test 0 0 13

1000000|0.001 表示创建一个预计存100万,误判率千分之一的bloom filter

成功返回STORED 失败返回NOT_STORED
set set key 0 0 subkey_length

subkey

成功返回STORED 失败返回NOT_STORED
get get key|subkey 存在返回1,不存在啥都不返回
stats stats 查看服务器的总体状况 信息列表
stats blooms 列举所有过滤器的名称和占用内存字节大小 信息列表
stats bloom key 可以查看名字为key的bloom filter的详细信息 信息列表
try try expected_max_amount_of_elements|false_positive_rate

比如 try 100000000|0.0001 表示计算1亿个目标存储数,在误判率万分之一的情况下,

需要的内存大小用来预估过滤器所需的内存大小和hash函数个数

信息列表
setmem setmem size(Mbytes) 用来设定当前进程可使用的内存容量,单位是m,

比如要设置内存1G,setmem 1024 成功返回STORED

成功返回STORED,失败返回NOT_STORED

详细说明:https://code.google.com/p/mc-bloom-filter/

下载地址:https://code.google.com/p/mc-bloom-filter/downloads/list