《算法与数据结构之布隆过滤器》

上一节讲到了位图的原理，并陈述了公司的OA系统如何运用该原理去快速查找某位员工。但我们只考虑了员工编号为纯数字组合的情况，将纯数字映射到BitMap上当然很容易。当员工编号为字母和数字的组合时，那么此时该如何进行映射，老的方法肯定行不通；亦或员工编号的数值范围扩大了，继续使用位图会不会造成内存空间的浪费？
位图显然是不适合上述的场景，我们需要在位图上作些变更，布隆过滤器（Bloom Filter）就为了解决上述问题而出现的。对于员工编号是数字和字母组合的情况，可以使用哈希函数计算出每个员工编号的哈希值K，并将BitMap[K]的值设为1。但这样会存在哈希冲突（两个不同的编号哈希运算后的哈希值一样），因为即便是业界较为著名的MD5、SHA也会存在哈希冲突，更何况是我们自己设计的哈希算法。
既然无法实现完美无冲突的哈希函数，我们提出一种改进的思路，设计出多个哈希函数（比如：3个），用3个不同的哈希函数对同一个员工编号求哈希值（得到K1、K2、K3），并将BitMap[K1]、BitMap[K2]、BitMap[K3]都设为1，言外之意只有这三个值都为1，才表示该员工的存在。但这种解决方案又容易引起误判的出现，具体情况可见下图分析。

我们假设，华为有员工HuaWei123、HuaWei457。HuaWei654已经离职，从上图可看出HuaWei654经过Hash1、Hash2、Hash3三次运算后，得到的值其实是HuaWei123、HuaWei457两个编号哈希运算结果的组合；实际上BitMap中BitMap[4]、BitMap[9]、BitMap[11]并不是公司内部真实存在的员工编号运算出来的结果，因此误判就产生了。虽然哈希函数解决了字母数字组合员工编号的映射问题，同时也带了一定的误判。也即经过布隆过滤器判断存在的元素有可能不存在，但判断不存在的元素就一定不存在。

针对误判的情况，可以使用如下的方式来降低误判率，但要做到完全避免是不可能的。

 1、增加哈希函数的个数及复杂度。
 2、增加BitMap的长度，比如只要长度为10000的BitMap就可以了，但是我们可以将其长度扩充2倍，使得经过哈希运算后的哈希值更发散地分布在BitMap上。
 3、实现BitMap动态扩容的功能，当BitMap中存储的元素增加时，也即是BitMap中置“**0**”率降低了，那么此时应该适当地对BitMap进行扩容。