16、布隆过滤器：减少跟踪内容的内存占用

布隆过滤器：减少跟踪内容的内存占用

1. 引言

在计算机科学中，有一些不太常见的数据结构却能解决常见的问题，布隆过滤器就是其中最突出的例子之一。它在大多数行业中被广泛应用，但知名度却不如人们预期的那样高。本文将详细介绍布隆过滤器，包括其原理、应用场景以及与其他数据结构的对比。

2. 字典问题：跟踪事物

假设你在一家拥有自己电子邮件服务的大公司工作。该服务是遗留系统，仅提供基本功能。经过重组后，新的首席技术官（CTO）决定重塑电子邮件服务，要求开发一个带有联系人列表等功能的全新现代客户端。当你添加新收件人时，应用程序需要检查该收件人是否已在联系人列表中，如果不在则弹出提示框询问是否添加。

由于项目资源有限，无法每次检查联系人时都调用数据库，也没有预算搭建远程分布式缓存。因此，你决定在登录时异步获取联系人列表，将其保存到网页的会话存储空间中，每次查找现有联系人时检查本地副本。

这种在列表中查找特定条目的问题在计算机科学中被称为字典问题。

3. 实现字典的替代方案

我们的联系人网页应用需要完成以下操作：
- 从服务器下载联系人列表
- 创建本地副本以实现快速查找和存储
- 允许查找联系人
- 如果查找失败，提供添加新联系人的选项
- 当添加新联系人或修改现有联系人时与服务器同步

为了解决这些问题，我们需要一种专门的数据结构，它要支持快速插入，同时能通过值查找条目。

3.1 普通数组

使用普通数组时，没有高效的方法来获取元素的索引，也没有高效（如亚线性）的方法来判断元素是否在数组中。唯一的