SuRF: Range Query Filtering with Fast Succinct Tries（2018 SIGMOD）
发布时间
阅读量：
阅读量
Bloom filter 索引在判定特定 key 是否存在方面具有显著优势，其能够在占用极小存储空间（与 key 长度无直接关联）的前提下，以较低的误判概率高效判断 key 的存在性。例如，在 RocksDB 中，为提升 key 查询效率，引入了 Bloom filter 技术，然而该技术仅适用于点查询场景。
当前广泛使用的过滤器机制仅适用于点查询操作，以RocksDB中的学生表为例，若需检索年龄为18岁的学生信息，可通过在每个SSTable（LSM Tree的层级结构）中引入布隆过滤器的方式，有效减少磁盘I/O次数，从而提升查询效率。然而，当查询需求转变为判断学生表中是否存在年龄处于22至25岁区间的学生时，布隆过滤器便无法满足此类范围查询的需求。
还没有任何评论哟~