布隆过滤器

布隆过滤器

应用场景，用来判断一个元素是否存在与包含大量元素的集合中。

可以快速知道一定不存在或者可能存在

我们可以把布隆过滤器当成由一个较大的bit array（位数组）和几个哈希函数组成的数据结构。

为什么不用现有的List，Map，Set这些数据结构呢？

因为它占用的空间更少，仅是一个01的二进制数组，效率更高。但是缺点就是会出现误判。

为什么判断可能存在会误判呢？

因为当一个元素加入布隆过滤器的时候，要经过两步：

1. 该元素调用布隆过滤器中的哈希函数，得到几个哈希值。
2. 将位数组的下标为相应哈希值的位置为 1。

那么当使用布隆过滤器判断一个元素是否存在也要经过两步：

1. 该元素进行相同的哈希计算得到相同的哈希值。
2. 在位数组中查找以这些哈希值位下标的位是不是1，均为1表示该元素可能存在，有一个为0，则该元素一定不存在。

那么通过判断计算出的哈希值所在位的值为1，就判断是否存在。很可能会存在某个位置上的1是别的元素添加时设置为1的。

如下图：

在布隆过滤器中添加元素key1：

在布隆过滤器中添加元素key2：

那么此时我们没有添加key3元素，但是如果key3通过两个hash函数的计算得出的值为1，2。那么布隆过滤器也会判断key3存在。从而出现了误判。

所以显然布隆过滤器的长度和哈希函数的个数设置要合适：

• bit位的长度不能太短，不然很快就会都被置为1.
• 哈希函数个数不能太多，导致bit位置为1的速度过快，并且太多的哈希函数会降低布隆过滤器的效率
  数个数不能太多，导致bit位置为1的速度过快，并且太多的哈希函数会降低布隆过滤器的效率
• 哈希函数也不能太少，会导致误报率变高。