一.引言

• BloomFilter演算法，是一種大資料排重演算法。犧牲精度，達到高效利用空間的目的。
• 可以過濾無效請求，惡意攻擊。
• 只記錄特徵，不記錄原始資料
• 查詢特徵值不存在，就代表沒有資料；特徵值存在，則代表資料可能存在。

二.優缺點

• 優點：
  1.查詢時間複雜度 O(k) 一個較小的常數
  2.極度節約空間
  3.不儲存資料本身，對源資料有一定保密性
• 缺點：
  1.有一定誤差
  2.不能刪除

三.詳解

1.布隆過濾器
布隆過濾器，它是一種節省空間的概率資料結構（就是 點陣圖 + 雜湊）。主要功能是檢查一個元素是否在給定的集合中。說它是一種概率資料結構是因為每次對它的查詢會返回 2 種結果；一種是“可能在集合中”，也就是說它可能會誤報，這個誤報是有一定概率的，後面我們會詳細介紹這個概率。另一種結果是“一定不在集合中”，這個結果是肯定的，也就是不會漏報。

2.點陣圖（bitmap）
布隆過濾器=點陣圖+雜湊。那麼什麼是點陣圖呢？點陣圖（bitmap）我們可以理解為是一個 bit 陣列，每個元素儲存資料的狀態（由於每個元素只有 1 bit，所以只能儲存 0 或 1 這 2 種狀態）適用於資料量超大，但是資料的狀態很少的情況。比如判斷一個整數是否在給定的超大的整數集中。
3.
它先定義一個長度為 m 的點陣圖陣列，初始值都為 0 ，然後定義 k 個不同的符合隨機分佈的雜湊函式，新增一個元素的時候通過 k 個雜湊函式得到 k 個 hash 值，將它們對映到點陣圖陣列中（當然計算出來的 hash 值可能超過了 m，那麼就需要擴容，java 中 BitSet 的擴容方案是 Math.max(2 * 當前長度, 計算出來的 hash 值); ）