布隆过滤器（Bloom Filter）

什么是布隆过滤器

它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。主要用于判断一个元素是否在一个集合中。

布隆过滤器的优点：

• 支持海量数据场景下高效判断元素是否存在
• 布隆过滤器存储空间小，并且节省空间，不存储数据本身，仅存储hash结果取模运算后的位标记
• 不存储数据本身，比较适合某些保密场景

布隆过滤器的缺点：

• 不存储数据本身，所以只能添加但不可删除，因为删掉元素会导致误判率增加。
• 由于存在hash碰撞，匹配结果如果是“存在于过滤器中”，实际不一定存在
• 当容量快满时，hash碰撞的概率变大，插入、查询的错误率也就随之增加了

布隆过滤器中一个元素如果判断结果为存在的时候元素不一定存在，但是判断结果为不存在的时候则一定不存在。因此，布隆过滤器不适合那些对结果必须精准的应用场景。

布隆过滤器适合的场景

• 预防缓存穿透：布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在。
• 网络爬虫：布隆过滤器可以用来去重已经爬取过的URL。
• 邮箱的垃圾邮件过滤。
• 黑白名单。

布隆过滤器原理

数据结构

布隆过滤器是由一个固定大小的二进制向量或者位图（bi