如何判断一个元素是否存在于数亿级数据集中？

我们通过一个例子来理解其原理。

假设一个二进制数组，长度为8，初始值都为0（0表示不存在）。

现添加元素 张三，先通过hash函数定位其在二进制数组的位置，然后将此位置的值设为1：

hash1(张三) % 8 = 4

现在需要判断 李四 是否存在，用同样的方法计算出其位置，然后取此位置的值

值为0，说明 李四 不存在。

这就是基本原理。

我们都知道哈希冲突是普遍存在的，所以通过一个hash函数定位元素是不可靠的。

例如张三、王五的hash定位都是4：

hash1(张三) % 8 = 4hash1(王五) % 8 = 4

张三 是已经存在的元素，王五不存在，但因为[4] 的值是 1，所以对王五的判断结果是存在，这就误判了。

为了解决哈希冲突的问题，通常会使用多个hash函数对元素进行定位，例如：

同一个元素，经过多个不同的hash算法，计算出来的结果相同的概率就非常低了。

计算出来的位置的值如果包含0，那么可以肯定元素一定不存在

相反，如果都是1，却不能肯定元素一定存在，因为可能有哈希冲突

如何判断一个元素是否存在于一个亿级数据集中？