布隆过滤器

目的：当在一个大的数据空间中查询某一个数据时，如果要查询的数据特别多，那么每次都遍历查询该空间，会导致出现慢查及占用大量本地内存，为了解决该现象，使用布隆过滤器。
原理：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。

算法实现：

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。

优点：
不需要存储key，节省空间
数据量越大越准确
缺点：

1. 算法判断key在集合中时，有一定的概率key其实不在集合中
2. 无法删除

总结：
集合中查到该数据的比特位为0，结果是该数据一定不存在在该集合中
但是该集合中查到的比特位为1，结果是该数据不一定存在该集合中，有可能不存在