布隆过滤器BloomFilter

题目：假设集合A有100亿个URL，每个URL是64字节，集合B包含一些URL，现在要求在找出B中的URL是否存在A中。

解法一：使用hash表。但是空间会消耗很大，每条URL64字节，100亿个，总共6400亿个字节，1GB等于10亿个字节，则6400亿个字节要640G空间。所以不现实。

解法二：布隆过滤器。使用布隆过滤器大于20G内存可以解决。布隆过滤器可以看成一个集合，布隆过滤器虽然占用内存少，但是存在失误率。此处失误率是什么？举个例子，某条URL在集合A中，使用布隆过滤器返回结果一定是true，但是一个URL不属于集合A，但是使用布隆过滤器返回的结果也可能返回true。对于这100亿个URL，布隆过滤器失误率在十万分之六。失误率高使用的内存空间小，失误率低使用的内存空间大。

布隆过滤器参数：样本量N，失误率P。布隆过滤器跟单样本大小无关。经典的布隆过滤器只能增加样本，不能减少样本。

假设布隆过滤器大小为m，是bit组成的数组，布隆过滤器上每一位表示一个bit（只能表示0或1）。往布隆过滤器增加一个数的过程：布隆过滤器通过接受样本参数，通过hash函数得到一个值，用这个值模m，得到一个数，用这个数去描黑布隆过滤器。如果一个样本经过k个hash函数，得到k个返回值，拿每个返回值模m，返回的值范围在0~m-1上，然后这些值在布隆过滤器0~m-1范围上相应描黑（描k次）。那么如何查询某个数是否在布隆过滤器里？过程与增加数类似，要查询的数obj经过k个hash函数得到k个返回值，再用返回值模m，得到k个数量的结果，如果布隆过滤器相应的数（k个数）都是黑色，表示已经存在过，如果有一个位置不是黑色，表示绝对没有加入过布隆过滤器。

给出样本量n和想要的失误率p可以确定隆过滤器m和hash函数的个数k。

1.如何确定布隆过滤器m，给出公式。

m=(-1) * (n*lnp) / ((ln2)^2)，公式可能到到小数，向上取整。

2.确定hash函数的个数：

3.k=ln2 *（m/n），公式可能到到小数，向上取整。

m和k向上取整后，失误率发生变化，真实的失误率为：