布隆过滤器原理和运用场景

　　布隆过滤器（Bloom Filter）是一种高效的空间节约型数据结构，用于判别元素是不是真的存在于调集中。它经过多个哈希函数将元素映射到位数组，查询时查看对应位是否全为1。长处是空间效率高，缺点是有必定误判率。典型运用场景包含缓存穿透防护、垃圾邮件过滤、黑名单办理及去重等。Java完成中运用BitSet和自定义哈希函数，而Guava和Redis也供给了布隆过滤器的完成。

　　Bloom Filter 会运用一个较大的 bit 数组来保存一切的数据，数组中的每个元素都只占用 1 bit ，而且每个元素只能是 0 或许 1（代表 false 或许 true），用于检索元素是不是真的存在于大调集中的数据结构。

　　不同的字符串或许哈希出来的方位相同，这样的一种状况咱们咱们能够恰当添加位数组巨细或许调整咱们的哈希函数。

　　综上，咱们咱们能够得出：布隆过滤器说某个元素存在，小概率会误判。布隆过滤器说某个元素不在，那么这个元素必定不在。

　　Guava 中布隆过滤器的完成算得上是比较威望的，缺点是只能单机运用。要想在分布式场景运用，需要用redis的布隆过滤器。