直觀的說，bloom演算法類似一個hash set，用來判斷某個元素（key）是否在某個集合中
和一般的hash set不同的是，這個演算法無需儲存key的值，對於每個key，只需要k個位元位，每個儲存一個標誌，用來判斷key是否在集合中。

1. 首先需要k個hash函式，每個函式可以把key雜湊成為1個整數
2. 初始化時，需要一個長度為n位元的陣列，每個位元位初始化為0
3. 某個key加入集合時，用k個hash函式計算出k個雜湊值，並把陣列中對應的位元位置為1
4. 判斷某個key是否在集合時，用k個hash函式計算出k個雜湊值，並查詢陣列中對應的位元位，如果所有的位元位都是1，認為在集合中。

優點：不需要儲存key，節省空間

典型的應用場景：
某些儲存系統的設計中，會存在空查詢缺陷：當查詢一個不存在的key時，需要訪問慢裝置，導致效率低下。
比如一個前端頁面的快取系統，可能這樣設計：先查詢某個頁面在本地是否存在，如果存在就直接返回，如果不存在，就從後端獲取。但是當頻繁從快取系統查詢一個頁面時，快取系統將會頻繁請求後端，把壓力匯入後端。

這是隻要增加一個bloom演算法的服務，後端插入一個key時，在這個服務中設定一次
需要查詢後端時，先判斷key在後端是否存在，這樣就能避免後端的壓力。

下面進行編碼，採用的時go語言

package bulong

import (
 

   "github.com/willf/bitset"
   "fmt"
)


const DEFAULT_SIZE = 2<<24

var seeds = []uint{7, 11, 13, 31, 37, 61}

type SimpleHash struct {
   //陣列容量
   cap uint
   //雜湊種子
   seed uint
}

func (s SimpleHash) hash(value string) uint{
   var result uint = 0
   for i := 0; i < len(value)
 
; i++{
      result = result * s.seed + uint(value[i])
   }
   return (s.cap - 1) & result
}


type BloomFilter struct {
   //用bit陣列來設定
   set *bitset.BitSet
   //對應大的雜湊函式
   funcs [6]SimpleHash
}

func NewBloomFilter() *BloomFilter{
   bf := new(BloomFilter)

   for i := 0; i < len(bf.funcs); i++{
      bf.funcs[i] = SimpleHash{
         DEFAULT_SIZE,
         seeds[i],
      }
   }

   bf.set = bitset.New(DEFAULT_SIZE)
   return bf
}

//新增一個鍵
func (b BloomFilter) add(value string){
   for _, f := range b.funcs {
      index := f.hash(value)
      b.set.Set(index)
   }
}

//檢視值在不在bloolm過濾器裡面
func (b BloomFilter) contains(value string) bool {
   if value == ""{
      return false
   }

   for _, f := range b.funcs{
      index := f.hash(value)
      if !b.set.Test(index) {
         return false
      }
   }
   return true
}