布隆过滤器

什么是布隆过滤器

​ 布隆过滤器（Bloom Filter）是1970年由布隆提出的。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。

布隆过滤器的数据结构

它本身是一个很长的二进制向量，既然是二进制的向量，那么显而易见的，存放的不是0，就是1。

现在我们新建一个长度为8的布隆过滤器，默认值都是0，就像下面这样：

接下来有我们要映射一个值到布隆过滤器中，如下图，对值"moon" 和三个不同的哈希函数分别生成了哈希值（下图的下标（1，3，6）），将对应下标的值改为1。

现在又来了一个值“yue”，返回不同的哈希值（1，4，7），将对应下标的值改为1。

值得注意一点：1 这个位置上由于两个值的哈希函数都返回了这个bit位。现在要查询"moon"这个值是否存在，那你可不敢说他肯定存在，只能说可能存在，每个bit位都可能有好几个值映射到。
但是如果说要查询"liang"这个值，是否存在，经过哈希函数的映射，你发现返回的值都是0，那么这个值肯定不存在。

不支持删除
传统的布隆过滤器并不支持删除操作。但是名为 Counting Bloom filter 的变种可以用来测试元素计数个数是否绝对小于某个阈值，它支持元素删除。

优缺点

优点：由于存放的不是完整的数据，所以占用的内存很少，而且新增，查询速度够快。

缺点： 随着数据的增加，误判率随之增加；无法做到删除数据；只能判断数据是否一定不存在，而无法判断数据是否一定存在。

如何选择哈希函数个数和布隆过滤器长度

直接帖个公式吧。

k 为哈希函数个数，m 为布隆过滤器长度，n 为插入的元素个数，p 为误报率。