用於查詢乙個元素是否屬於乙個集合，是在hash的一般陣列儲存開銷過大的解決方式。
注：布隆過濾器存在失誤率。
以左神給的例子來說吧：
需求：現有乙個黑名單，包括100億的url，假設每個url占用空間為64位元組，查詢乙個url是否在黑名單內，o(1)時間複雜度。
o(1)時間複雜度：就是在暗示查詢用hash。
我們算一下空間成本，忽略掉指標域，只看資料本身，也需要100億*64=6400億位元組~640g。(っ°д°;)っ are you kidding me?
對於大空間開銷的問題，要聯想到bit陣列，因為最小的資料型別char都有8bit呢，所以bit陣列一定可以降低開銷。
但是bit陣列每一位只能表示0和1怎麼辦呢(°д°)。。。。。。
嗯，直接進入正題吧 ╮(╯д╰)╭，技術不夠，文本來湊。
0、1，bool邏輯值，我們可以用0、1表示某個hash值對應的url是否存在。
嗯，衝突咋辦(っ°д°;)っ。。。。。。那就多用幾個hash。。。。。。
我們有一組hash函式：hash1、hash2、、、、、、hashk，對乙個url，我們分別進行k次hash，將結果對應位抹為1，這樣，只有在乙個url對應的k個hash值的位都為1時才是黑名單裡的url，失誤率**了哎，┑(￣▽ ￣)┍。
左神用的是int型別的陣列，設hashindex為hash後的結果，那麼抹黑的方式為：
intindex=hashindex/32;
bitindex=hashindex%32;
a[intindex]=a[intindex]|(1《失誤率公式：m=-(n*lnp)/(ln2)^2。
m：位元空間大小
n：樣本量
p：預期失誤率
雜湊函式個數：k=ln2*m/n=0.7*m/n
當m和k向上取整後，實際的失誤率為：(1-e^(-n*k/m))^k
布隆過濾器
布隆過濾器 bloom filter 是1970年由布隆提出的。它實際上是乙個很長的二進位制向量和一系列隨機對映函式。布隆過濾器可以用於檢索乙個元素是否在乙個集合中。它的優點是空間效率和查詢時間都遠遠超過一般的演算法，缺點是有一定的誤識別率和刪除困難。如果想要判斷乙個元素是不是在乙個集合裡，一般想到...
布隆過濾器
布隆過濾器的概念 如果想要判斷乙個元素是不是在乙個集合裡，一般想到的是將所有元素儲存起來，然後通過比較確定。鍊錶，樹等等資料結構都是這種思路.但是隨著集合中元素的增加，我們需要的儲存空間越來越大，檢索速度也越來越慢 o n o logn 不過世界上還有一種叫作雜湊表 又叫 雜湊表，hash tabl...
布隆過濾器
如果想判斷乙個元素是不是在乙個集合裡，一般想到的是將集合中所有元素儲存起來，然後通過比較確定。鍊錶 樹 雜湊表 又叫雜湊表，hash table 等等資料結構都是這種思路。但是隨著集合中元素的增加，我們需要的儲存空間越來越大。同時檢索速度也越來越慢。bloom filter 是一種空間效率很高的隨機...