何时使用 Bloom filter，何时使用 BitMap？

参考：

• When to use Bloom filter and when to use BitMap when we deal with very huge datas?
• 使用布隆过滤器有什么好处？
• Why Bloom filters work the way they do
• 计算bf大小的在线工具Bloom Filter Calculator
• https://github.com/FastFilter/fastfilter_cpp
• 布谷鸟过滤器（Cuckoo Filter）

何时使用布隆过滤器：如果您有一个集合（唯一条目列表）和一个哈希函数，则可以创建一个布隆过滤器。它允许“条目 x 是否可能在集合中？”类型的查询。如果条目在集合中，查询将肯定返回 true。对于不在集合中的条目，它可能会返回 true，但概率较低，通常为 1% 或更低（取决于布隆过滤器的大小）。您可以根据需要将布隆过滤器做得尽可能小，但对于大约 1% 的误报率，您需要每个条目大约 10 位。有使用更少空间的替代算法/数据结构，例如参见https://github.com/FastFilter。顺便说一下，布隆过滤器内部使用位数组。

何时使用位数组（也称为位集）：如果条目是 0..n 之间的数字，则可以按如下方式使用位数组：为每个条目设置位 x。这将需要 n 位（无论有多少条目）。因此，如果您的条目可以是大数字，那么就会出现一个问题：它将使用大量内存。但是，您可以创建一个稀疏位数组（也称为压缩位数组），例如使用https://roaringbitmap.org/。与布隆过滤器不同，您不会出现误报，但大小使用在很大程度上取决于您的数据（取决于您拥有的数字），与布隆过滤器相比，这种依赖性要大得多。