本質上布隆過濾器是一種資料結構，比較巧妙的概率型資料結構（probabilistic data structure），特點是高效地插入和查詢，可以用來告訴你 「某樣東西一定不存在或者可能存在」。
相比於傳統的 list、set、map 等資料結構，它更高效、占用空間更少，但是缺點是其返回的結果是概率性的，而不是確切的。
實現的結構是bitmap結構，通過對資料進行多次hash得到的結果，對其對應的bitmap位置置為1。
例如資料a三次hash的結果為1，5，7。那麼會在bitmap的1，5，7三個位置置為1。如果資料b的三次hash結果是1，5，8。有前兩個一樣，但是最後乙個8不一樣，那麼可以判斷為不一致。
而布隆過濾器就是通過對資料進行hash，判斷hash結果位置是否置1為依據進行判斷。如果沒有匹配中，那麼必定不在過濾資料中，反之則有可能存在過濾資料中。 但要注意，只是可能！！！！ 因為如果資料過於龐大，bitmap結構較小，會出現大量的重疊位置，導致誤判。
例如：
過濾資料有：
資料a：1，5，7。
資料b：2，5，8。
資料c：3，5，13。
資料d：0，6，9。
此時有資料e，hash結果為：3，6，7
解決辦法：擴大布隆過濾器的長度。
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...