布隆過濾器（Bloom Filter）是1970年由布隆提出的。它實際上是一個很長的二進制向量和一系列隨機映射函數。布隆過濾器可以用於檢索一個元素是否在一個集合中。它的優點是空間效率和查詢時間都遠遠超過一般的算法，缺點是有一定的誤識別率和刪除困難。當年，布隆過濾器還是靜態的，即只能處理一定容量的數據，不能處理未知規模的數據。
1. 問題情景
如果面試官問你，一個網站有 100 億 url 存在一個黑名單中，每條 url 平均 64 字節。問這個黑名單要怎麼存？若此時隨便輸入一個 url，如何判斷該 url 是否在這個黑名單中？
對於第一個問題，如果把黑名單看成一個集合，將其存在 hashmap 中，貌似太大了，需要 640G，明顯不科學。
那該怎麼辦？ok，現在該介紹今天的主角了 —— 布隆過濾器就可以解決這樣的問題。
首先，布隆過濾器是什麼？維基百科是這樣解釋的：
布隆過濾器（英語：Bloom Filter）是1970年由布隆提出的。它實際上是一個很長的二進制矢量和一系列隨機映射函數。布隆過濾器可以用於檢索一個元素是否在一個集合中。它的優點是空間效率和查詢時間都遠遠超過一般的算法，缺點是有一定的誤識別率和刪除困難。
官方說法看下就好，如果不理解沒關係，其實不會難，下面我們講人話慢慢來。
2. 具體介紹
布隆過濾器實際上是一個很長的二進制矢量和一系列隨機映射函數。
「很長的二進制矢量」：這是一個長度很長的數組，什麼類型的數組呢？bit 類型的數組，也是我們說的「位」，（1Byte = 8bit，1KB = 1024Byte）。
「一系列隨機映射函數」：有多個哈希函數。那什麼是哈希函數呢？JDK 裏面有計算得到哈希值的方法，那就是一個哈希函數。
布隆過濾器可以用於檢索一個元素是否在一個集合中。它的優點是空間效率和查詢時間都遠遠超過一般的算法，缺點是有一定的誤識別率和刪除困難
這個不就可以解決我們最開始的問題嗎？那它是怎麼解決的呢？
3. 解決過程
下面我說下大體的過程，細節部分可先不理解，重要的是明白流程，細節我後面補充。
假設，bit 類型數組的長度爲 m，每個元素值爲 0，有 k 個哈希函數。
首先，當輸入一個 url 的時候，此時這個 url 會經過 k 個哈希函數處理，得到多個哈希值（v1,v2,...,vk）。之後分別將這些哈希值除以數組的長度 m，和對 m 取模，得到這些哈希值對應在數組的下標位置，最後將這些下標的元素都置爲 1。
那麼如何判斷一個 url 在黑名單裏面呢？輸入一條 url，它經過上述處理之後，會得到多個數組的下標位置。如果這些下標的元素值都已經爲 1 了，說明該在黑名單裏面，否則不在。
總體就是這樣的流程，下面說下大家可能存在的疑問：
1、bit 類型的數組如何構建
2、得到 v1,v2,...,vk 這些哈希值後，如何得到其在數組的下標位置，並將其設置爲 1 呢？
兩個問題我一起說下，Java 裏面沒有 bit 這樣的類型，怎麼構建呢？—— 不難，我們可以使用 int，一個 int 是 32 位。
//創建了一個 100 * 32bit 的數組
int[] arr = new int[100];
// 代表 bit 數組 0-31 位的元素
arr[0];
因此上面再會說「分別將這些哈希值除以數組的長度 m，和對 m 取模，得到這些哈希值對應在數組的下標位置」。
具體我們可以拿一個哈希值 data 來舉個栗子，假設 int 數組長度爲 100。
void Set(int data) {
// ByteNO 是表示在 table 數組中那個元素
int ByteNo = data / 100;
// bitNo 是表示在 32 位 bit 中哪個 bit 位。
int BitNo = data % 32;
// 置 1
_table[ByteNo] |= (1 << BitNo);
}
4. 使用效果
最開始我們提到，如果將 100 億 url 放到 HashMap 中需要 640GB，那麼使用布隆過濾器後又需要多少空間呢？答案是約等於 23 GB。相比之下，這個空間大小是不是就可以接受很多了。
5. 缺點
布隆過濾器有寧可錯殺一百，也不能放過一個的性質。講人話就是屬於黑名單的 url 一定能夠正確判斷它在黑名單中，但不屬於黑名單中的 url 也可能會被認爲在黑名單中，存在一定的失誤率。
至於失誤率要保持在多少，數組長度，哈希函數的個數分別要設置多少就需要根據實際情況來選擇了，網上有對應的數學公式計算，這裏就不展開講了。
參考資料：https://blog.csdn.net/wenqiang1208/article/details/76724338