filter_block里面包含FilterBlockBuilder和FilterBlockReader，他们是Level DB中读、写Filter（Level DB --- BloomFilterPolicy-CSDN博客）重要的类，相当于是FIlter的一个Wrapper，将Filter有组织地写（序列化）和读（反序列化）。

FilterBlockBuilder

AddKey

当需要计算filter的时候，不会上来就调用FIlter（Level DB --- BloomFilterPolicy-CSDN博客），而是首先进行预存，如图1所示，其中keys_是FilterBlockBuilder中的数据成员，它是一个string，用来缓存新加入的key value，start_也是FilterBlockBuilder中的数据成员，它是一个vector，用来记录新加入key在keys_中的index。                                                

                                                                            图1. add key

StartBlock

随着key的不断加入，会存在一个阈值，达到这个阈值，就将keys_中的这些记录计算一波filter。计算的阈值源码计算如下：

void FilterBlockBuilder::StartBlock(uint64_t block_offset) {uint64_t filter_index = (block_offset / kFilterBase);assert(filter_index >= filter_offsets_.size());//可以理解每kFilterBase个key存储到一个单元里面while (filter_index > filter_offsets_.size()) {GenerateFilter();}
}

GenerateFilter

当keys_里面存储的数量达到kFIlterBasey以上或是finish的时候，会触发一次hash array的计算和hash array的记录。如图2所示，hash array 是Filter（Level DB --- BloomFilterPolicy-CSDN博客）计算的。filter_offset_记录每次hash array的offset，result_是一个string，每次计算好的hash array会附加在result中。

                                                                     图2. add hash array record 

Finish

当完成了整体的key的filter的计算，会进行序列化，序列化的格式如图3所示。这里面第3项记录的是hash arrays数据在result_中的offset。

                                                                     图3. 序列化 result_

这里有一行代码，这里面阴性将static const size_t kFilterBaseLg = 11，转化为一个char。

result_.push_back(kFilterBaseLg);  // Save encoding parameter in result

FilterBlockReader

FilterBlockReader的构造函数主要是从contents中解析出来FilterBlockBuilder中序列化的数据，而KeyMayMatch计算offset所在的hash array其实就是上述介绍序列化的逆过程。