1.概念
布隆过滤器是由布隆（Burton Howard Bloom）在1970年提出的 一种紧凑型的、比较巧妙的概率型数据结构，特点是高效地插入和查询，可以用来告诉你 “某样东西一定不存在或者可能存在”，它是用多个哈希函数，将一个数据映射到位图结构中。此种方式不仅可以提升查询效率，也可以节省大量的内存空间。
2.演示一下布隆过滤器的插入
插入baidu
插入tenxun
3.具体实现
package test;import java.util.BitSet;class Hash {public int cap;//容量public int seed;//种子public Hash(int cap, int seed) {this.cap = cap;this.seed = seed;}//把当前字符串变成一个hash值public int hash(String key) {int h;return (key == null) ? 0 : (seed * (cap - 1)) & ((h = key.hashCode()) ^ (h >>> 16));}
}public class MyBloomFilter {public static final int DEFAULT_SIZE = 1 << 20;public BitSet bitSet;public int usedSize;public static final int[] seeds = {5, 7, 11, 13, 27, 33};public Hash[] hashes;public MyBloomFilter() {bitSet = new BitSet(DEFAULT_SIZE);hashes = new Hash[seeds.length];for (int i = 0; i < hashes.length; i++) {hashes[i] = new Hash(DEFAULT_SIZE, seeds[i]);}}public void add(String val) {for (Hash hash : hashes) {int index = hash.hash(val);bitSet.set(index);}usedSize++;}public boolean contains(String val) {for (Hash hash : hashes) {int index = hash.hash(val);boolean flag = bitSet.get(index);if (!flag) {return false;}}return true;//会误判}public static void main(String[] args) {MyBloomFilter myBloomFilter = new MyBloomFilter();myBloomFilter.add("hello");myBloomFilter.add("hello1");myBloomFilter.add("haha");System.out.println(myBloomFilter.contains("hello"));System.out.println(myBloomFilter.contains("hello1"));System.out.println(myBloomFilter.contains("hello2"));}
}
4.应用场景：
1.网页爬虫对URL的去重，避免爬去相同的URL地址。
2.垃圾邮件过滤，从数十亿个垃圾邮件列表中判断某邮箱是否是垃圾邮箱。
3.解决数据库缓存击穿，黑客攻击服务器时，会构建大量不存在于缓存中的key向服务器发起请求，在数据量足够大的时候，频繁的数据库查询会导致挂机。
4. 秒杀系统，查看用户是否重复购买。
5. google的guava包中有对Bloom Filter的实现
5.优点
1. 增加和查询元素的时间复杂度为:O(K), (K为哈希函数的个数，一般比较小)，与数据量大小无关
2. 哈希函数相互之间没有关系，方便硬件并行运算
3. 布隆过滤器不需要存储元素本身，在某些对保密要求比较严格的场合有很大优势
4. 在能够承受一定的误判时，布隆过滤器比其他数据结构有这很大的空间优势
5. 数据量很大时，布隆过滤器可以表示全集（节省空间），其他数据结构不能
6. 使用同一组散列函数的布隆过滤器可以进行交、并、差运算
6.缺点
1. 有误判率，即存在假阳性(False Position)，即不能准确判断元素是否在集合中(补救方法：再建立一个白
名单，存储可能会误判的数据)
2. 不能获取元素本身
3. 一般情况下不能从布隆过滤器中删除元素
4. 如果采用计数方式删除，可能会存在计数回绕问题
7.误判率
布隆过滤器的误判是指多个输入经过哈希之后在相同的bit位置1了，这样就无法判断究竟是哪个输入产生的，因此误判的根源在于相同的 bit 位被多次映射且置 1。这种情况也造成了布隆过滤器的删除问题，因为布隆过滤器的每一个 bit 并不是独占的，很有可能多个元素共享了某一位。如果我们直接删除这一位的话，会影响其他的元素。
