算法-知识点总结（持续更新中）

1. 位图法  bimap算法

应用场景：快速在大量的数中查找一个数、去除重复的数

优点：节省内存、查找速度快

• 假设有1亿个数，要在1亿个数里面找到是否存在666这个数，那么可以构建一个bitmap结构。用一个数组存0、1，将这一亿个数存到这个数组，数组只存0、1，默认数组所有位置的值设置为0，将一亿个数的值作为数组的下标将对应数组的位置赋值为1，比如数字10则将array[10]=1，构建好bitmap结构后查找一个数是否存在只需要o1，比如查找666这个数是否存在这一亿个数里面，只需要判断array[666]是否为1即可。
• 利用bitmap算法统计在线用户， 将用户id作为对应的位，1表示用户在线，0表示不在线。可以通过redis的setbit、getbit命令实现，例子 : setbit user_login 666 1。通过getbit user_login 666获取到userid为666的值为1即可知道该用户在线，通过bitcount user_login即可获取到在线用户数。

2. 布隆过滤器

应用场景：基于bitmap的扩展，可用于判断某个字符串一定不存在，但不能判断某个字符串一定存在

优点：节省内存空间，查找速度快

基于bitmap思想，由于字符串无法当作数组下标，因此可以通过多种hash算法，计算字符串的hash值，将获取到的hash值作为数组下标，之所以要用多种hash算法是为了提高准确性，避免过多hash碰撞导致准确率过低。假设3个hash算法，首先要构建一个数组，将每个要存放的字符串通过三种hash算法计算得到三个hash值，将hash值作为数组下标，将数组对应下标的值置为1。如果要查找字符串abcd是否一定不存在，则对abcd进行hash，假设算出hash值10、21、34三个值，通过判断数组这三个下标的值是否都为1即可判断一个字符串是否一定不存在。

为什么是只能判断一定不存在，不能判断一定存在？因为不管有几个hash算法，都会存在碰撞的情况，假设abcd字符串算出的三个hash值对应的数组位置之前已经都被置为1了，那么这个时候就不能说这三个位置都为1所以abcd一定存在。而且hash算法个数也不是越多越好，越多说明一个字符串占位越多，占用的空间和碰撞的机率也会提高。

基于以上的点有一条计算公式k表示hash算法个数，m表示数组容量，n表示插入的元素个数，k=m/n * ln2

redis同样也有布隆过滤器相关支持的插件,这里就不扩展，可参考掘金里这篇文章 https://juejin.im/post/5bc7446e5188255c791b33