Research on Bloom filter： a survey

doi:10.11772/j.issn.1001-9081.2021061392

Journal of Computer Applications ›› 2022, Vol. 42 ›› Issue (6): 1729-1747.DOI: 10.11772/j.issn.1001-9081.2021061392

Special Issue: 2021年全国开放式分布与并行计算学术年会(DPCS 2021)论文

• National Open Distributed and Parallel Computing Conference 2021 (DPCS 2021） • Previous Articles Next Articles

Research on Bloom filter： a survey

Wendi HUA¹^,²^,³^,⁴, Yuan GAO¹^,²^,³^,⁴, Meng LYU¹^,²^,³^,⁴, Ping XIE¹^,²^,³^,⁴()

^1.Computer College，Qinghai Normal University，Xining Qinghai 8100016，China
^2.Key Laboratory of Internet of Things of Qinghai Province，Xining Qinghai 810008，China
^3.State Key Laboratory of Tibetan Intelligent Information Processing and Application，Xining Qinghai 810018，China
^4.Institute of Plateau Science and Sustainability，Xining Qinghai 810016，China

Received:2021-08-04 Revised:2021-09-29 Accepted:2021-09-30 Online:2022-01-10 Published:2022-06-10
Contact: Ping XIE
About author:HUA Wendi，born in 1998，M. S. candidate. His research interests include computer architecture，mass storage system，embedded system.
GAO Yuan，born in 1989，M. S. candidate. His research interests include network storage.
LYU Meng，born in 1998，M. S. candidate. Her research interests include network storage.
Supported by:
National Natural Science Foundation of China(61762075);Natural Science Foundation of Qinghai Province(2020-ZJ-926)

布隆过滤器研究综述

华文镝¹^,²^,³^,⁴, 高原¹^,²^,³^,⁴, 吕萌¹^,²^,³^,⁴, 谢平¹^,²^,³^,⁴()

^1.青海师范大学计算机学院, 西宁 810016
^2.青海省物联网重点实验室, 西宁 810008
^3.省部共建藏语智能信息处理及应用国家重点实验室, 西宁 810008
^4.高原科学与可持续发展研究院, 西宁 810016

通讯作者: 谢平
作者简介:华文镝（1998—），男，辽宁抚顺人，硕士研究生，CCF会员，主要研究方向：计算机体系结构、大规模存储系统、嵌入式系统
高原（1989—），男，山东泰安人，硕士研究生，CCF会员，主要研究方向：网络存储
吕萌（1998—），女，山东青岛人，硕士研究生，CCF会员，主要研究方向：网络存储
基金资助:
国家自然科学基金资助项目(61762075);青海省自然科学基金资助项目(2020?ZJ?926)

Abstract

Abstract:

Bloom Filter （BF） is a binary vector data structure based on hashing strategy. With the idea of sharing hash collisions， the characteristic of one-way misjudgment and the very small time complexity of constant query， BF is often used to represent membership and as an “accelerator” for membership query operations. As the best mathematical tool to solve the membership query problem in computer engineering， BF has been widely used and developed in network engineering， storage system， database， file system， distributed system and some other fields. In the past few years， in order to adapt to various hardware environments and application scenarios， a large number of variant optimization schemes of BF based on the ideas of changing structure and optimizing algorithm appeared. With the development of big data era， it has become an important direction of membership query to improve the characteristics and operation logic of BF.

Key words: Bloom Filter (BF), membership query, Approximate Membership Query (AMQ) structure, hashing strategy, False Positive Rate (FPR)

摘要：

布隆过滤器（BF）是一种基于哈希策略的二进制向量数据结构，凭借分摊哈希碰撞的思想、存在单向误判性的特点以及极小常数查询时间复杂度，常用于表示集合元素并作为进行集合元素查询操作的“加速器”。作为计算机工程中解决集合元素查询问题最好的数学工具，BF在网络工程、存储系统、数据库、文件系统、分布式系统等领域得到了广泛的应用和发展。近几年来，为了适用于各种硬件环境和应用场景，BF出现了大量基于改变结构、优化算法等思想的变种方案。随着大数据时代的发展，对BF自身特点和操作逻辑进行改进已经成为现有集合元素查询研究的一个重要方向。

关键词: 布隆过滤器, 集合元素查询, 近似成员查询结构, 哈希策略, 误判率

CLC Number:

TP393

Wendi HUA, Yuan GAO, Meng LYU, Ping XIE. Research on Bloom filter： a survey[J]. Journal of Computer Applications, 2022, 42(6): 1729-1747.

华文镝, 高原, 吕萌, 谢平. 布隆过滤器研究综述[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1729-1747.

Figures/Tables 17

References 67

1	BLOOM B H. Space/time trade-offs in hash coding with allowable errors［J］. Communications of the ACM， 1970， 13（7）： 422-426. 10.1145/362686.362692
2	CARTER L， FLOYD R W， GILL J， et al. Exact and approximate membership testers［C］// Proceedings of the 10th Annual ACM Symposium on Theory of Computing. New York： ACM， 1978：59-65. 10.1145/800133.804332
3	肖明忠，代亚非. Bloom Filter及其应用综述［J］. 计算机科学， 2004， 31（4）：180-183. 10.3969/j.issn.1002-137X.2004.04.049
	XIAO M Z， DAI Y F. A survey on Bloom filters and its applications［J］. Computer Science， 2004， 31（4）： 180-183. 10.3969/j.issn.1002-137X.2004.04.049
4	刘元珍. Bloom Filter及其在网络中的应用综述［J］. 计算机应用与软件， 2013， 30（9）：219-220， 249. 10.3969/j.issn.1000-386x.2013.09.060
	LIU Y Z. Survey on Bloom filter and its applications in networks［J］. Computer Applications and Software， 2013， 30（9）： 219-220， 249. 10.3969/j.issn.1000-386x.2013.09.060
5	PENG Y Q， GUO J W， LI F F， et al. Persistent Bloom filter： membership testing for the entire history［C］// Proceedings of the 2018 International Conference on Management of Data. New York： ACM， 2018：1037-1052. 10.1145/3183713.3183737
6	MCLLROY M. Development of a spelling list［J］. IEEE Transactions on Communications， 1982， 30（1）： 91-99. 10.1109/tcom.1982.1095395
7	MULLIN J K， MARGOLIASH D J. A tale of three spelling checkers［J］. Software： Practice and Experience， 1990， 20（6）： 625-630. 10.1002/spe.4380200607
8	SPAFFORD E H. OPUS： preventing weak password choices［J］. Computers and Security， 1992， 11（3）： 273-278. 10.1016/0167-4048(92)90207-8
9	SEVERANCE D G， LOHMAN G M. Differential files： their application to the maintenance of large databases［J］. ACM Transactions on Database Systems， 1976， 1（3）： 256-267. 10.1145/320473.320484
10	GREMILLION L L. Designing a Bloom filter for differential file access［J］. Communications of the ACM， 1982， 25（9）： 600-604. 10.1145/358628.358632
11	FANG M， SHIVAKUMAR N， GARCIA-MOLINA H， et al. Computing iceberg queries efficiently［C］// Proceedings of the 24th International Conference on Very Large Data Bases. San Francisco： Morgan Kaufmann Publishers Inc.， 1998： 299-310.
12	BRODER A Z， MITZENMACHER M. Network applications of bloom filters： a survey［J］. Internet Mathematics， 2004， 1（4）： 485-509. 10.1080/15427951.2004.10129096
13	STOICA I， MORRIS R， KARGER D， et al. Chord： a scalable peer-to-peer lookup service for internet applications［C］// Proceedings of the 2001 ACM SIGCOMM Conference on Applications， Technologies， Architectures， and Protocols for Computer Communication. New York： ACM， 2001：149-160. 10.1145/964723.383071
14	RATNASAMY S， FRANCIS P， HANDLEY M， et al. A scalable content-addressable network［C］// Proceedings of the 2001 ACM SIGCOMM Conference on Applications， Technologies， Architectures， and Protocols for Computer Communication. New York： ACM， 2001：161-172. 10.1145/964723.383072
15	JOKELA P， ZAHEMSZKY A， ROTHENBERG C E， et al. LIPSIN： line speed publish/subscribe inter-networking［C］// Proceedings of the 2009 ACM SIGCOMM Conference on Data Communication. New York： ACM， 2009：195-206.
16	RHEA S C， KUBIATOWICZ J. Probabilistic location and routing［C］// Proceedings of the 21st Annual Joint Conference of the IEEE Computer and Communications Societies. Piscataway： IEEE， 2002：1248-1257.
17	WHITAKER A， WETHERALL D. Forwarding without loops in Icarus［C］// Proceedings of the 2002 IEEE Conference on Open Architectures and Network Programming. Piscataway： IEEE， 2002：63-75.
18	FENG W C， SHIN K G， KANDLUR D D， et al. The BLUE active queue management algorithms［J］. IEEE/ACM Transactions on Networking， 2002， 10（4）： 513-528. 10.1109/tnet.2002.801399
19	ESTAN C， VARGHESE G. New directions in traffic measurement and accounting［C］// Proceedings of the 2002 ACM SIGCOMM Conference on Applications， Technologies， Architectures， and Protocols for Computer Communication. New York： ACM， 2002：323-336. 10.1145/964725.633056
20	谢平. 存储系统重复数据删除技术研究综述［J］. 计算机科学， 2014， 41（1）：22-30， 42. 10.3969/j.issn.1002-137X.2014.01.003
	XIE P. Survey on data deduplication techniques for storage systems［J］. Computer Science， 2014， 41（1）： 22-30， 42. 10.3969/j.issn.1002-137X.2014.01.003
21	MALDE K， O'SULLIVAN B. Using Bloom filters for large scale gene sequence analysis in Haskell［C］// Proceedings of the 2009 International Symposium on Practical Aspects of Declarative Languages， LNPSE 5418. Berlin： Springer， 2009：183-194.
22	CANIM M， MIHAILA G A， BHATTACHARJEE B， et al. Buffered bloom filters on solid state storage［C/OL］// Proceedings of the 2010 International Workshop on Accelerating Data Management Systems Using Modern Processor and Storage Architectures@Very Large Data Bases Conference. ［2021-05-23］.. 10.14778/1920841.1921017
23	XIE K， MIN Y H， ZHANG D F， et al. Basket Bloom filters for membership queries［C］// Proceedings of the 2005 IEEE Region 10 Conference. Piscataway： IEEE， 2005：1-6. 10.1109/tencon.2005.301258
24	何新贵，梁久祯. 利用目标函数梯度的遗传算法［J］. 软件学报， 2001， 12（7）：981-986.
	HE X G， LIANG J Z. Genetic algorithms using gradients of object functions［J］. Journal of Software， 2001， 12（7）： 981-986.
25	LI Y K， TIAN C J， GUO F， et al. ElasticBF： elastic bloom filter with hotness awareness for boosting read performance in large key-value stores［C］// Proceedings of the 2019 USENIX Annual Technical Conference. Berkeley： USENIX Association， 2019：739-752.
26	Google. LevelDB［DB/OL］. ［2021-02-24］.. 10.23919/icact.2017.7890198
27	Meta Open Source. RocksDB［DB/OL］. ［2021-05-06］.. 10.5626/jok.2021.48.11.1167
28	RAJU P， KADEKODI R， CHIDAMBARAM V， et al. PebblesDB： building key-value stores using fragmented log-structured merge trees［C］// Proceedings of the 26th Symposium on Operating Systems Principles. New York： ACM， 2017：497-514. 10.1145/3132747.3132765
29	O’NEIL P E， CHENG E， GAWLICK D， et al. The Log-Structured Merge-tree （LSM-tree）［J］. Acta Informatica， 1996， 33（4）： 351-385. 10.1007/s002360050048
30	DAYAN N， ATHANASSOULIS M， IDREOS S. Monkey： optimal navigable key-value store［C］// Proceedings of the 2017 ACM International Conference on Management of Data. New York： ACM， 2017：79-94. 10.1145/3035918.3064054
31	ZHOU Y Y， PHILBIN J F， LI K. The multi-queue replacement algorithm for second level buffer caches［C］// Proceedings of the 2001 USENIX Annual Technical Conference. Berkeley： USENIX Association， 2001：91-104.
32	CHEN Y P， SCHMIDT B， MASSKELL D L. A reconfigurable Bloom filter architecture for BLASTN［C］// Proceedings of the 2009 Architektur von Rechensystemen. Berlin： Springer， 2009：40-49. 10.1007/978-3-642-00454-4_7
33	DEBNATH B， SENGUPTA S， LI J， et al. BloomFlash： Bloom filter on flash-based storage［C］// Proceedings of the 31st International Conference on Distributed Computing Systems. Piscataway： IEEE， 2011：635-644. 10.1109/icdcs.2011.44
34	GUO D K， WU J， CHEN H H， et al. Theory and network applications of dynamic Bloom filters［C］// Proceedings of the 25th IEEE International Conference on Computer Communications. Piscataway： IEEE， 2006：1-12. 10.1109/infocom.2006.325
35	LU G L， DEBNATH B K， DU D H C. A forest-structured Bloom filter with flash memory［C］// Proceedings of the IEEE 27th Symposium on Mass Storage Systems and Technologies. Piscataway： IEEE， 2011：1-6. 10.1109/msst.2011.5937232
36	YOON M K， SON J， SHIN S H. Bloom tree： a search tree based on Bloom filters for multiple-set membership testing［C］// Proceedings of the 2014 IEEE Conference on Computer Communications. Piscataway： IEEE， 2014：1429-1437. 10.1109/infocom.2014.6848077
37	HAO F， KODIALAM M， LAKSHAM T V， et al. Fast dynamic multiple-set membership testing using combinatorial Bloom filters［J］. IEEE/ACM Transactions on Networking， 2012， 20（1）： 295-304. 10.1109/tnet.2011.2173351
38	DHARMAPURIKAR S， KRISHNAMURTHY P， TAYLOR D E. Longest prefix matching using Bloom filters［J］. IEEE/ACM Transactions on Networking， 2006， 14（2）： 397-409. 10.1109/tnet.2006.872576
39	LUO S Q， CHATTERJEE S， KETSETSIDIS R， et al. Rosetta： a robust space-time optimized range filter for key-value stores［C］// Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data. New York： ACM， 2020：2071-2086. 10.1145/3318464.3389731
40	ZHANG H C， LIM H， LEIS V， et al. SuRF： practical range query filtering with fast succinct tries［C］// Proceedings of the 2018 ACM SIGMOD International Conference on Management of Data. New York： ACM， 2018：323-336. 10.1145/3183713.3196931
41	FAN L， CAO P， ALMEIDA J， et al. Summary cache： a scalable wide-area web cache sharing protocol［C］// Proceedings of the 1998 ACM SIGCOMM Conference on Applications， Technologies， Architectures， and Protocols for Computer Communication. New York： ACM， 1998：254-265. 10.1145/285237.285287
42	LAKSHMAN A， MALIK P. Cassandra： a decentralized structured storage system［J］. ACM SIGOPS Operating Systems Review， 2010， 44（2）： 35-40. 10.1145/1773912.1773922
43	The Chromium Projects. Google Chrome safe browsing［EB/OL］. ［2021-05-09］.. 10.1145/1551644.1556050
44	CHANG F， DEAN J， GHEMAWAT S， et al. Bigtable： a distributed storage system for structured data［C］// Proceedings of the 7th USENIX Symposium on Operating Systems Design and Implementation. Berkeley： USENIX Association， 2006：205-218.
45	COHEN S， MATIAS Y. Spectral Bloom filters［C］// Proceedings of the 2003 ACM SIGMOD International Conference on Management of Data. New York： ACM， 2003：241-252. 10.1145/872757.872787
46	AGUILAR-SABORIT J， TRANCOSO P， MUNTES-MULERO V， et al. Dynamic count filters［J］. ACM SIGMOD Record， 2006， 35（1）： 26-32. 10.1145/1121995.1122000
47	XIE K， MIN Y H， ZHANG D F， et al. A scalable Bloom filter for membership queries［C］// Proceedings of the 2007 Global Telecommunications Conference. Piscataway： IEEE， 2007：543-547. 10.1109/glocom.2007.107
48	CARTER J L， WEGMAN M N. Universal classes of hash functions［J］. Journal of Computer and System Sciences， 1979， 18（2）： 143-154. 10.1016/0022-0000(79)90044-8
49	QIAO Y， LI T， CHEN S G. Fast Bloom filters and their generalization［J］. IEEE Transactions on Parallel and Distributed Systems， 2014， 25（1）： 93-103. 10.1109/tpds.2013.46
50	CHAZELLE B， KILIAN J， RUBINFELD R， et al. The Bloomier filter： an efficient data structure for static support lookup tables［C］// Proceedings of the 15th Annual ACM-SIAM Symposium on Discrete Algorithms. Philadelphia， PA： SIAM， 2004：30-39.
51	VOCKING B. How asymmetry helps load balancing［C］// Proceedings of the 40th Annual Symposium on Foundations of Computer Science. Piscataway： IEEE， 1999：131-141.
52	BONOMI F， MITZENMACHER M， PANIGRAHY R， et al. An improved construction for counting Bloom filters［C］// Proceedings of the 2006 European Symposium on Algorithms， LNTCS 4168. Berlin： Springer， 2006：684-695.
53	BENDER M A， FARACH -COLTON M， JOHNSON R， et al. Don’t thrash： how to cache your hash on flash［J］. Proceedings of the VLDB Endowment， 2012， 5（11）： 1627-1637. 10.14778/2350229.2350275
54	CLERRY J G. Compact hash tables using bidirectional linear probing［J］. IEEE Transactions on Computers， 1984， C-33（9）： 828-834. 10.1109/tc.1984.1676499
55	Wikipedia. Quotient filter［EB/OL］. ［2021-06-13］.. 10.36934/tr2021_249
56	PAGH R， RODLER F F. Cuckoo hashing［J］. Journal of Algorithms， 2004， 51（2）： 122-144. 10.1016/j.jalgor.2003.12.002
57	FAN B， ANDERSEN D G， KAMINSKY M， et al. Cuckoo filter： practically better than bloom［C］// Proceedings of the 10th ACM International Conference on emerging Networking Experiments and Technologies. New York： ACM， 2014：75-88. 10.1145/2674005.2674994
58	FAN B， ANDERSEN D G， KAMINSKY M. MemC3： compact and concurrent memcache with dumber caching and smarter hashing［C］// Proceedings of the 10th USENIX Symposium on Networked Systems Design and Implementation. Berkeley： USENIX Association， 2013：371-384.
59	ROTTENSTREICH O， KANIZO Y， KESLASSY I. The variable-increment counting Bloom filter［C］// Proceedings of the 2012 IEEE Conference on Computer Communications. Piscataway： IEEE， 2012：1880-1888. 10.1109/infcom.2012.6195563
60	GRAHAM S. B_h sequences［M］// BERNDT B C， DIAMOND H G， HILDEBRAND A J. Analytic Number Theory， PM 138. Boston： Birkhäuser， 1996： 431-449.
61	PUTZE F， SANDERS P， SINGLER J. Cache-， hash- and space-efficient Bloom filters［C］// Proceedings of the 2007 nternational Workshop on Experimental and Efficient Algorithms， LNTCS 4525. Berlin： Springer， 2007：108-121.
62	MACKERT L F， LOHMAN G M. R* optimizer validation and performance evaluation for local queries［C］// Proceedings of the 1986 ACM SIGMOD International Conference on Management of Data. New York： ACM， 1986：84-95. 10.1145/16894.16863
63	FICARA D， DI PIETRO A， GIORDANO S， et al. Enhancing counting Bloom filters through Huffman-coded multilayer structures［J］. IEEE/ACM Transactions on Networking， 2010， 18（6）： 1977-1987. 10.1109/tnet.2010.2055243
64	BONOMI F， MITZENMACHER M， PANIGRAHY R， et al. Beyond Bloom filters： from approximate membership checks to approximate state machines［C］// Proceedings of the 2006 ACM SIGCOMM Conference on Applications， Technologies， Architectures， and Protocols for Computer Communication. New York： ACM， 2006：315-326. 10.1145/1151659.1159950
65	Wikipedia. Bloom Filter［EB/OL］. ［2021-06-13］.. 10.1007/springerreference_64492
66	DEEDS K， HENTSCHEL B， IDREOS S. Stacked filters： learning to filter by structure［J］. Proceedings of the VLDB Endowment， 2020， 14（4）： 600-612. 10.14778/3436905.3436919
67	DAYAN N， TWITTO M. Chucky： a succinct cuckoo filter for LSM-tree［C］// Proceedings of the 2021 International Conference on Management of Data. New York： ACM， 2021：365-378. 10.1145/3448016.3457273

过滤器	空间开销	查找性能	插入性能	误判率
普通BF	静态	良	优	随着元素增多而增高
扩展型BF	动态	差	优	保持不变
快速BF	静态	优	—	保持不变

过滤器	空间开销	查找性能	插入性能	误判率
普通BF	静态	良	优	随着元素增多而增高
扩展型BF	动态	差	优	保持不变
快速BF	静态	优	—	保持不变

是否占用	是否连续	是否转移	含义
0	0	0	存储单元为空
0	0	1	该元素为系列的开头且元素的商不对应存储单元的位置编号
0	1	0	—
0	1	1	该元素前存在与其同商的元素，且其不对应存储单元的编号
1	0	0	该元素为系列的开头且该系列仅其一个元素（同样是一个簇的开头）
1	0	1	与“0，0，1”的含义相同且对应该位置编号的元素在后方进行存储
1	1	0	—
1	1	1	与“0，1，1”的含义相同且对应该位置编号的元素在后方进行存储

是否占用	是否连续	是否转移	含义
0	0	0	存储单元为空
0	0	1	该元素为系列的开头且元素的商不对应存储单元的位置编号
0	1	0	—
0	1	1	该元素前存在与其同商的元素，且其不对应存储单元的编号
1	0	0	该元素为系列的开头且该系列仅其一个元素（同样是一个簇的开头）
1	0	1	与“0，0，1”的含义相同且对应该位置编号的元素在后方进行存储
1	1	0	—
1	1	1	与“0，1，1”的含义相同且对应该位置编号的元素在后方进行存储

过滤器称	性能特点				应用场景
过滤器称	查询	插入	空间使用	误判率	应用场景
标准BF	—	—	—	—	存储系统，网络等众多场景
计数型BF	—	—	×	—	多重集
压缩BF	×	×	√	√	分布式系统的节点通信
谱型BF	×	×	√	—	流数据处理
Bloomier过滤器	√	×	×	√	存储系统的缓存
分档式BF	√	×	×	—	网络缓存和网络监控系统
d‑left哈希计数型BF	×	×	√	√	计数型BF替代品
动态计数型过滤器	×	×	√	—	流数据处理
状态BF	—	—	×	√	近似并发状态机
扩展型BF	×	×	—	√	动态数据集合
并行分区BF	√	√	—	—	基因序列分析
哈夫曼编码计数型BF	×	×	√	—	反规避系统
多层压缩BF	×	×	√	—	反规避系统
缓冲BF	×	√	—	—	SSD存储器
布隆Flash	√	√	—	—	SSD存储器
链式BF	×	√	—	×	“多插入，少查询”的场景
森林结构BF	√	×	×	√	重复数据删除
商型过滤器	√	×	√	√	KV存储系统
瀑布过滤器	√	×	—	—	SSD存储器
可变增量计数型BF	—	×	×	√	网络设备
快速BF	√	√	×	—	现代高端路由器和防火墙
布隆树	√	×	×	√	多集合成员查询问题
CF	√	×	√	—	计数型BF替代品
弹性BF	—	×	—	√	KV存储系统
持久型BF	√	×	×	—	网络服务器
Rosetta	√	×	×	—	KV存储系统的范围查询

Research on Bloom filter： a survey

布隆过滤器研究综述

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 17

References 67

Related Articles 6

Recommended Articles

Metrics

[1]	NING Jin, CHEN Leiting, LUO Zijuan, ZHOU Chuan, ZENG Huiru. Evaluation metrics of outlier detection algorithms [J]. Journal of Computer Applications, 2020, 40(9): 2622-2627.
[2]	ZHANG Zhen, FU Yinjin, HU Guyu. Bloom filter-based wear-leveling scheme for novel hybrid memory architecture [J]. Journal of Computer Applications, 2018, 38(8): 2230-2235.
[3]	ZHANG En, JIN Ganggang. Cloud outsourcing multiparty private set intersection protocol based on homomorphic encryption and Bloom filter [J]. Journal of Computer Applications, 2018, 38(8): 2256-2260.
[4]	LIU Zhusong, YANG Zhangjie. Efficient and secure deduplication cloud storage scheme based on proof of ownership by Bloom filter [J]. Journal of Computer Applications, 2017, 37(3): 766-770.
[5]	. Inverse insert algorithm based on segment hash [J]. Journal of Computer Applications, 2011, 31(02): 514-516.
[6]	. Multi-keyword search over P2P based on Bloom filter [J]. Journal of Computer Applications, 2010, 30(9): 2335-2338.