布隆过滤器（BloomFilter）的原理及应用

介绍

本质上布隆过滤器（BloomFilter）是一种数据结构，比较巧妙的概率型数据结构（probabilistic data structure），特点是高效地插入和查询，可以用来告诉你 “某样东西一定不存在或者可能存在。
原理会在下面介绍。

使用场景

当你要判断一个东西是否存在的时候会使用到，比如：

1. 网页爬虫对URL的去重，避免爬取相同的URL地址；
2. 反垃圾邮件，从数十亿个垃圾邮件列表中判断某邮箱是否垃圾邮箱（同理，垃圾短信)
3. Redis使用布隆过滤器去重

其他数据结构缺点

List

想判断某个个元素是否在在list种已经存在，需要O（n）的时间复杂度，并且需要把全部文件储存在List种，如果内存中存不下可能还有硬盘IO操作。
总结：
缺点 ：

1. O（n）
2. IO操作
3. 消耗内存

Tree

二叉树或者AVL树同样可以判断一个元素是否已经存在，比起List的优点是时间复杂度更低，为O（logn），同样有List的一些缺点。

1. O（Logn）
2. IO操作
3. 消耗内存

HashTable

HashTable实际上是一个比较好的解决方法，时间复杂度为O（1），但是最大的问题同样是消耗内存。因为如果表内已经有了n个元素，就需要预留 n*4/3的空间用来存放hashTable并保证冲突的概率在一个比较低的水平线上。同时如果内存不足以存放这么多数据就需要调用硬盘IO，非常的费时。
缺点

1. IO操作
2. 消耗内存

布隆过滤器优点

最后降到了主角，布隆过滤器，实际上布隆过滤器最大的优点就是节约内存，不需要把所有元素的hash值保存。只需要用多个hash函数计算hash值，并把hash值映射到一个bitmap上。如果bitmap上有一个位置是0，这个元素肯定不存在，如果所有位置都是1，这个元素有可能存在。

复杂度：O（k）k是hash函数的个数

计算

计算最佳的hash函数的个数

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。

引用：
https://www.jianshu.com/p/2104d11ee0a2
https://hackernoon.com/probabilistic-data-structures-bloom-filter-5374112a7832