BloomFilter

优点：

• 不需要存储数据本身，只用比特表示，因此空间占用相对于传统方式有巨大的优势，并且能够保密数据；
• 时间效率也较高，插入和查询的时间复杂度均为O(k)；
• 哈希函数之间相互独立，可以在硬件指令层面并行计算。

缺点：

• 存在假阳性的概率，不适用于任何要求100%准确率的情境；
• 只能插入和查询元素，不能删除元素，这与产生假阳性的原因是相同的。

 

可以用来作为缓存系统（如Redis）的缓冲，防止缓存穿透。存在假阳性，不存在假阴性。

 

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

k 次哈希函数某一 bit 位未被置为 1 的概率为：

插入n个元素后依旧为 0 的概率和为 1 的概率分别是：

 

Counting Bloom Filter

 

https://cloud.tencent.com/developer/article/1136056

https://zhuanlan.zhihu.com/p/43263751

https://www.jianshu.com/p/bef2ec1c361f