算法学习-------------布隆过滤器

布隆过滤器是用来判断一个元素是否在某个集合中，他有点类似于HashSet  

       但是HashSet是需要存储key值的，他通过存储Key值，查看是否存在时候只需要查看HashSet是否存了就可以，数据量较小的时候是可以使用的。但是数据量很大的时候，比如存储几十亿条垃圾网站数据的时候就显得太不够用了。

       布隆过滤器不同，他是使用了BIT作为标志位进行判断。

 

原理

       布隆过滤器使用的bit数组  https://www.jianshu.com/p/2104d11ee0a2 原文作者写的很清楚，很好。我自己重敲一遍，加深理解。

   

     布隆过滤器创建一个BIT数组，然后传来一个网页，我们用K个哈希函数计算哈希再取余然后得到他在1-8的位置

又来一个网站，同样的道理处理。

这里看到 虽然tencent与baidu都在4做了标记，但是这是互不影响的，但是可能会引发一些的问题。

        这样操作之后，用户输入一个网页，我们使用同样的判断方法去到BIT数组中找看是否所有映射都被标记，如果都被标记了。注意是全都被标记了，那么这个就应该是之前被特殊标注了，是我们要过滤的网站，也只是应该。为什么是可能呢，就像我们刚才提到的，发生了碰撞，tecent与baidu都标记了4，那假如来了一个新网站，csdn他计算出结果为1,3,8，程序查看都被标记，直接过滤。与此同时还有一个问题就是我们可以进行网页录入，网页判断，但是我们不可以网页删除。就像4是两个的公共标记，我们删除一个，另一个也会出问题。

     所以总结下来， 布隆过滤器有两个问题

    ①判断结果可能会出错 

    ②无法删除其中数据 

    那么我们一个一个分析解决。

判断结果出错 

     这其实主要因为我们设置的区间太小，标注数据太密集。就好比买彩票，有8张彩票有奖，我们把8张有奖与2张无奖放到一起让客户抓，很容易中奖。那我们将8张彩票放到1W张没奖彩票中就不容易了，当前问题也是这道理。当然这个区间也不是越大越好，太大了内存消耗就高，这就要我们设置的相对合适了。

 

 

无法删除数据

           我们不让比特数组只是存储0与1，让他存储有几个映射在这，比如上图的两个网页，4号位存2，那么Baidu删除了，4号位变为1,1 7 变为0，不会影响tencent的操作。

 

应用场景

            ① 单纯判断是否元素是否在集合中

            ② 通过判断元素是否在集合，减少IO  网络连接等消耗，比如前端要查看数据，要调用后端，本来要传递很多参数，但只发一个key 后端查询没有，这样前段其他数据就不用发送。

 

 

 

 

 

 

 

 

 

具体实现以及错误率计算

日后在更