“寧可錯殺三千，絕不放過一個”，這是布隆過濾器的失誤型別金句。

1、什麼是布隆過濾器

       瞭解熟悉布隆過濾器，先從瞭解hash函式開始。最簡單說，一個數據經過hash函式計算後，會得到另一個輸出值。hash函式能給你的保證就是，相同的輸入值，經過計算後，一定得到相同的輸出值。但是不給你保證不同的輸入值，會得到不同的輸出值。梳理一下，hash函式的規則如下：

        1、當給雜湊函式傳入相同的輸入值時，返回的輸出值一定相同。

        2、當給雜湊函式傳入不同的輸入值時，返回的輸出值，可能不同，也可能相同。

        3、評判一個雜湊函式優劣，就是看對不同的輸入值，返回的輸出值是否均勻的分佈，最好的雜湊函式，就是儘可能保證不同的輸入值，能得到儘可能多不同的輸出值。也就是完美的雜湊函式，就是不同的輸入，得到不同的輸出，完全1對1。

        典型的雜湊函式有MD5,SHA1,SHA2等演算法。

        布隆過濾器，它類似一個聚合的hash函式。我們先說原理，待會舉例說一下，儘可能通俗易懂（堅信最好的理解，也就是最白話、最簡單的理解）。

        假設有個長度為m=1024 的bit 陣列，也就是一個佔用空間1kb的陣列。很明顯bit陣列的值只有0和1。我們有個雜湊函式，任何的輸入值（字串、boolean、物件），經過這個hash函式計算後，得到的輸出是個int整數（佔用16位，這裡其實為了瞭解原理，不用太關心佔位大小，大家可以忽略不關注）。

        布隆過濾器，就是利用一個bit陣列，多個不同的hash函式，比如我們有10個不同的hash函式，我給一個輸入值98，經過這是個hash函式計算後，得到輸出值是，打個比方，方便大家理解，剛好就是1024，1025，1026，1027，1028，1029，1030，1031，1032，1034，1035。然後這10個輸出值，我們分別對m也即是1024進行取模計算，得到0，1，2，3，...9，那麼，我們就把陣列0~9的位置塗黑，其實就是變成1。也就是輸入值98，在bit數組裡面，用位置0~9，是1來表示。下一個輸入109，可能就把11~20這10個位置塗黑變成1。

        這樣的實現就是，比如我們有10億個網址，就是黃賭毒的網址，我們要做個黑名單過濾。如果存入到記憶體或者資料庫，肯定需要很大的儲存空間。但我們就是先慢慢一個個讀取這10億個url，建立布隆過濾器，可以選擇用一個1mb或者1kb的bit陣列放在記憶體。當有個url過來，我們進行多個hash計算，如果這個url是在黑名單裡，那麼過濾器的bit陣列相應的位置一定都是1被塗黑的。如果這個url計算的位置上有一個是空白，未被塗黑，那麼它100%就不是黑名單之屬，可以放行。

     但是有個缺點也是失誤，比如bit陣列比較小，幾個url白名單計算後，全部都是黑的了。那麼任何url過來計算的位置，都是黑的，就被錯誤認為是黑名單，這就造成了開頭說的“寧可錯殺三千，絕不放過一個”，這樣一個火爆脾氣造成的失誤。非常嚴格。所以後文的使用場景就有得分析了。

2、布隆過濾器適合使用的場景

       布隆過濾器優缺點都很明顯，優點就是可以利用演算法優勢，使用計算，極大降低儲存空間。缺點就是有失誤率，不在過濾器原始表的資料，也可能被計算成原始表資料之一。

        這樣理解可能不是很好，換個說法：布隆過濾器，目標就是要基於過濾器已儲存生成的原始元資料，進行比較過濾，如果是在原始元資料集合裡面的，一定會被發現。基於這個特點，我們就可以做黑名單這樣的過濾器，存在黑名單原始元資料的，在布隆過濾器裡，是一定不能通過刷洗的。

         所以，這個演算法正確的使用場景是，利用它進行過濾遮蔽-禁止通行。黑名單過濾就是正確的使用場景，如果用來做白名單，那就進入了過濾器的失誤區，幾乎不可能做100%準確。比如白名單有原始資料1，2，3，4。資料44的計算也可能和4存在過濾器中有相同的值表現，44會被誤認為是4，白名單要做放行，那就放錯了。所以，布隆過濾器核心正確的使用就是進行過濾禁止，進行正確的否定。否定才是它所擅長的。