布隆过滤器BloomFilter——手写+guava包分别实现

前言：

java入行很多年了，今天开始分享技术，摸摸渐疏的刘海，划船不靠浆，全靠一个浪，对就是我信小白，大家共勉！

原理：

通俗易懂语言来描述一下（可能有误解）：

1. BloomFilter 就是一个大的HashSet， 里面存的值都是0；
2. 存入一个值，通过hash解析，并映射在hashset 不同的位置，并把这些位置的0修改为1
3. 检验另一个值，通过hash解析，判断hashset这些位置上是否都为1，都为1则存在；

bloom算法类似一个hash set，用来判断某个元素（key）是否在某个集合中。和一般的hash set不同的是，这个算法无需存储key的值，对于每个key，只需要k个比特位，每个存储一个标志，用来判断key是否在集合中。

算法：

1.  首先需要k个hash函数，每个函数可以把key散列成为1个整数
2.  初始化时，需要一个长度为n比特的数组，每个比特位初始化为0
3.  某个key加入集合时，用k个hash函数计算出k个散列值，并把数组中对应的比特位置为1
4.  判断某个key是否在集合时，用k个hash函数计算出k个散列值，并查询数组中对应的比特位，如果所有的比特位都是1，认为在集合中。

一、手写java布隆过滤器

问题：布隆过滤器会不会满，会有很多人忽略了这一点

废话不多少直接上代码

/**
 * 布隆过滤器
 *
 * @author 信小白
 * @date created 2020/7/27 18:11
 * @since 1.0
 */
public class BloomFilterUtil implements Serializable {
    // 数组
    private final int[] seeds;
    // 大小
    private final int size;
    // set的计划
    private final BitSet notebook;
    private final MisjudgmentRate rate;
    private final AtomicInteger useCount = new AtomicInteger();
    private final Double autoClearRate;


    /**
     * 默认中等程序的误判率：MisjudgmentRate.MIDDLE 以及不自动清空数据（性能会有少许提升）
     *
     * @param dataCount 预期处理的数据规模，如预期用于处理1百万数据的查重，这里则填写1000000
     */
    public BloomFilterUtil(int dataCount) {
        this(MisjudgmentRate.MIDDLE, dataCount, null);
    }

    /**
     * @param rate          一个枚举类型的误判率
     * @param dataCount     预期处理的数据规模，如预期用于处理1百