最近研究以太坊的收據(jù)（Receipt),發(fā)現(xiàn)區(qū)塊頭中有一個(gè)Bloom字段，這個(gè)字段是個(gè)2048的字節(jié)數(shù)組：

const (
    // BloomByteLength represents the number of bytes used in a header log bloom.
    BloomByteLength = 256

    // BloomBitLength represents the number of bits used in a header log bloom.
    BloomBitLength = 8 * BloomByteLength
)

// Bloom represents a 2048 bit bloom filter.
type Bloom [BloomByteLength]byte

通過(guò)注釋知道這是一個(gè)Bloom過(guò)濾器，但是這個(gè)過(guò)濾器是如何工作的。引起了我的興趣，這一看相關(guān)代碼，讓我預(yù)悶了一周多的時(shí)間。各種通道和文件讓我沒(méi)有任何頭緒來(lái)了解這個(gè)Bloom是如何起到過(guò)濾作用的?，F(xiàn)在有了點(diǎn)頭緒，想通過(guò)幾篇文章做個(gè)分享。

一。Bloom是如何生成的

~~~
b.header.Bloom = CreateBloom(receipts)
~~~

func CreateBloom(receipts Receipts) Bloom {
    bin := new(big.Int)
    for _, receipt := range receipts {
        bin.Or(bin, LogsBloom(receipt.Logs))
    }

    return BytesToBloom(bin.Bytes())
}

func LogsBloom(logs []*Log) *big.Int {
    bin := new(big.Int)
    for _, log := range logs {
        bin.Or(bin, bloom9(log.Address.Bytes()))
        for _, b := range log.Topics {
            bin.Or(bin, bloom9(b[:]))
        }
    }

    return bin
}

func bloom9(b []byte) *big.Int {
    b = crypto.Keccak256(b)

    r := new(big.Int)

    for i := 0; i < 6; i += 2 {
        t := big.NewInt(1)
        b := (uint(b[i+1]) + (uint(b[i]) << 8)) & 2047
        r.Or(r, t.Lsh(t, b))
    }

    return r
}

通過(guò)源碼我們可以看到Bloom數(shù)組就是從收據(jù)(Receipt)中的Logs字段生成的。具體的內(nèi)容是Logs中的Address和Topics字段,為了大家好理解，我簡(jiǎn)單介紹下Log中的Address和Topics字段所代表的內(nèi)容:

type Log struct {
//以太坊智能合約的地址
Address common.Address json:"address" gencodec:"required"
// 以太坊智能合約轉(zhuǎn)賬過(guò)程中相關(guān)的轉(zhuǎn)入轉(zhuǎn)出方的地址hash
Topics []common.Hash json:"topics" gencodec:"required"
//以太坊智能合約轉(zhuǎn)賬的金額
Data []byte json:"data" gencodec:"required"

Address：代表合約，Topics代表地址，合起來(lái)就是某個(gè)合約Log的相關(guān)地址
為了大家了解就先這樣了解上面的字段。如果想更深入，請(qǐng)查看其他文檔。

所以看到這里我們就明白了區(qū)塊頭的Bloom字段其實(shí)就是根據(jù)一套算法（bloom9)將合約Address和Topics生成了一個(gè)2048字節(jié)的數(shù)組。

二。Bloom9算法

我們已經(jīng)知道布隆過(guò)濾器里存儲(chǔ)的是Log的合約地址(Address)和相關(guān)賬戶哈希(Topics)。布隆過(guò)濾器的一個(gè)特性就是不保證一個(gè)內(nèi)容100%存在，但可以100%保證一個(gè)內(nèi)容不存在過(guò)濾器中。了解了這個(gè)特性我們就介紹下布隆過(guò)濾器的生成算法Bloom9:

1.首先將傳入的任何數(shù)據(jù)，進(jìn)行Keccak256的運(yùn)算，得到一個(gè)32字節(jié)的hash 。

2.循環(huán)取此hash值的前6字節(jié)，注意循環(huán)步進(jìn)是i+=2,意思是每?jī)蓚€(gè)字節(jié)合為一個(gè)uint,并和2047進(jìn)行位與運(yùn)算（其實(shí)就是和2048求余),得到一個(gè)小于2048的值b,這個(gè)值b就是一個(gè)索引(index),表示在Bloom過(guò)濾器中的位置下標(biāo)，也就是Bloom[b]的值為1。所以前6個(gè)字節(jié)生成了三個(gè)下標(biāo)，共同表示此值是否在Bloom過(guò)濾器中。所以如果它生成的三個(gè)下標(biāo)都不都為1。就能100%保證此值不在過(guò)濾器中，如果都為1,也不一定保證在這個(gè)過(guò)濾器中，但我們就認(rèn)為在了。這就是過(guò)濾器的特性.

3.將生成的三個(gè)下標(biāo)值進(jìn)行左位移和位或運(yùn)算，將相應(yīng)的下標(biāo)值值為1,，得到的這個(gè)bigInt就是傳入?yún)?shù)的bloom過(guò)濾器的索引(index)值.

三。LogsBloom算法

這個(gè)方法就很簡(jiǎn)單了,該方法就是把Log的合約地址（Address)和Topics分別轉(zhuǎn)為相應(yīng)的下標(biāo)值(bloom9值），然后分別將相應(yīng)的下標(biāo)值進(jìn)行位或操作。這樣就將他們的值都存在了一個(gè)數(shù)據(jù)里面。最后在函數(shù)CreateBloom()中將這個(gè)數(shù)據(jù)轉(zhuǎn)為了2048位的Bloom類(lèi)型的值。
所以此Bloom過(guò)濾器只是一個(gè)相應(yīng)數(shù)據(jù)的標(biāo)志器，用于判斷某個(gè)數(shù)據(jù)是否存在里面的工具，本身不包括任何數(shù)據(jù)

四。如何判斷一個(gè)數(shù)據(jù)(BloomLookup)

我們知道了Bloom中的內(nèi)容并不包含相應(yīng)的數(shù)據(jù)，所以判斷一個(gè)數(shù)據(jù)的存在不存在，并不是查找相應(yīng)的數(shù)據(jù)，而且將相應(yīng)的數(shù)據(jù)索引化（bloom9）后的下標(biāo)值在Bloom中的位置的值是否全為1。但以太坊的BloomLookup提供了另一個(gè)思路:

func BloomLookup(bin Bloom, topic bytesBacked) bool {
    bloom := bin.Big()
    cmp := bloom9(topic.Bytes())

    return bloom.And(bloom, cmp).Cmp(cmp) == 0
}

通過(guò)源碼可以看到其判斷流程為:

1.先將傳入的數(shù)據(jù)轉(zhuǎn)成bloom9值cmp

2.將Bloom過(guò)濾器轉(zhuǎn)為Big.Int然后和cmp進(jìn)行位與運(yùn)算

3.將位與后的值和cmp比較是否相等,如果相等表示存在

func bloomFilter(bloom types.Bloom, addresses []common.Address, topics [][]common.Hash) bool {
    if len(addresses) > 0 {
        var included bool
        for _, addr := range addresses {
            if types.BloomLookup(bloom, addr) {
                included = true
                break
            }
        }
        if !included {
            return false
        }
    }

    for _, sub := range topics {
        included := len(sub) == 0 // empty rule set == wildcard
        for _, topic := range sub {
            if types.BloomLookup(bloom, topic) {
                included = true
                break
            }
        }
        if !included {
            return false
        }
    }
    return true
}

這個(gè)bloomFilter方法就是一個(gè)使用示例，這個(gè)函數(shù)的功能就是：

1.判斷是否存在某些合約（addresses）,如果不存在，直接返回false,就不用判斷topics了。因?yàn)閠opics就是某個(gè)合約的轉(zhuǎn)賬過(guò)程的賬戶地址，沒(méi)有合約，當(dāng)然也就沒(méi)有topics了

2.如果存在某些合約，就查找是否存在某些賬戶(topic)。

這就是布隆過(guò)濾器的使用方式和原理了 。

OK,這篇我們就先介紹到這里，讓大家了解以太坊中區(qū)塊頭的Bloom字段的作用就是根據(jù)合約地址和賬戶地址過(guò)濾以太坊日志的功能。方便用戶可以查看自己感興趣的日志。下面我們會(huì)逐步將這些內(nèi)容鋪開(kāi)來(lái)介紹。