在生活中，包括在設計計算機軟體時，經常要判斷一個元素是否在一個集合中，最直接的辦法就是將全部元素都存在計算機中，遇到一個新元素，將它與集合中的元素比較即可。一般來講，計算機中的集合是使用雜湊表來儲存的。它的好處是快速而準確，缺點是費儲存空間。當集合比較小時，這個問題不顯著，但當集合非常巨大時，雜湊表儲存效率低的問題就體現出來了。
一種稱為布隆過濾器的數學工具，它只需要雜湊表的1/8到1/4的大小就能解決同樣的問題。它是使用bloom filter演算法實現的，用java程式碼實現如下:

package net.csdn.diu_brother;

import java.util.BitSet;

public
 
 class SimpleBloomFilter{
    private static final int DEFAULT_SIZE = 2<<24;
    private static final int[] seeds = new int[]{7,11,13,31,37,61};
    private BitSet bits = new BitSet(DEFAULT_SIZE);
    private SimpleHash[] func = new SimpleHash[seeds.length];
    public static void main(String[] args){
        String value
 
 = "[email protected]";
        SimpleBloomFilter filter = new SimpleBloomFilter();
        System.out.println(filter.contains(value));
        filter.add(value);
        System.out.println(filter.contains(value));
    }
    public SimpleBloomFilter(){
        for(int i=0;i<seeds.length;i++){
            func[i] = new
 
 SimpleHash(DEFAULT_SIZE,seeds[i]);
        }
    }
    public void add(CrawlUrl value){
        if(value!=null){
            add(value.getOriUrl());
        }
    }
    public void add(String value){
        for(SimpleHash f:func){
            bits.set(f.hash(value),true);
        }
    }
    public boolean contains(CrawlUrl value){
        return contains(value.getOriUrl());
    }
    public boolean contains(String value){
        if(value==null){
            return false;
        }
        boolean ret =true;
        for(SimpleHash f:func){
            ret = ret && bits.get(f.hash(value));
        }
        return ret;
    }
    public static class SimpleHash{
        private int cap;
        private int seed;
        public SimpleHash(int cap,int seed){
            this.cap = cap;
            this.seed = seed;
        }
        public int hash(String value){
            int result = 0;
            int len = value.length();
            for(int i=0;i<len;i++){
                result = seed*result+value.charAt(i);
            }
            return (cap-1)&result;
        }
    }
}