直入主题，布隆过滤器是什么？
布隆过滤器是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中，它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定 的误差率 和删除困难 。
面试题–腾讯2019有一道面试题就说：
一个网站有 20 亿 url 存在一个黑名单中，这个黑名单要怎么存？
若此时随便输入一个 url，你如何快速判断该 url 是否在这个黑名单中？
并且需在给定内存空间（比如：500M）内快速判断出
我们假设就用hashset基于haspMap的特性，保证键的唯一，理论上时间复杂度是：O(1)。这时候的空间复杂度呢？URL字符串通过hash函数得到一个integer的值，integer占4个字节，那这里的20条数据就需要
20(亿) *4 /1024/1024/1024 = 7.45G 的内存
简单说一下：1G= 1024MB = 1024*1024KB = 1024*1024*1024 B
1B = 8bit
那根据计算远远超出空间存储大小，不符合空间复杂度的要求。
使用布隆过滤器
首先，一个hash 算法得出的最大Integer为 ： Integer.MAX_VALUE = 2147483647，意思就是任何一个URL的哈希都会在0~2147483647之间。
那么我们假如先定义一个2147483647 长度的byte数组，用来存储集合所有可能的值，为了存储这个byte数组，系统只需要 2147483647 / 8 /1024 /1024 = 256M。
那么，回到实际问题上，这些URL都经过hash算法之后，假如 一个hash值为2，那么落到这个byte数组在第二位上的数就是1，这个byte数组将是 000…000000010,基于此我们就可以将这20亿数全部hash并落到byte数组中。
使用布隆过滤器所导致的问题
回到上面，假如说我现在byte数组第二位是1，那么这个URL可能存在？因为有可能其它URL因为hash碰撞hash出来的也是2，这就是误判。
但是如果这个byte数组上的第二位是0。那么这个URL就一定不存在。
这里就可以进行多次hash的策略了
为了减少因hash碰撞导致的误判概率，可以对这个URL用不同的hash算法进行N次hash，得出N个hash值，落到这个byte数组上，如果这N个位置都没有为1，那么就说明这个URL一定不存在这个集合中。
public static <T> BloomFilter<T> create(Funnel<? super T> funnel, int expectedInsertions, double fpp);
public static <T> BloomFilter<T> create(Funnel<? super T> funnel, long expectedInsertions, double fpp);
public static <T> BloomFilter<T> create(Funnel<? super T> funnel, int expectedInsertions);
public static <T> BloomFilter<T> create(Funnel<? super T> funnel, long expectedInsertions);
Guava提供BloomFilter的静态create方法。
static <T> BloomFilter<T> create(Funnel<? super T> funnel, long expectedInsertions, double fpp, Strategy strategy);
// 参数含义：
// funnel 指定布隆过滤器中存的是什么类型的数据，有：IntegerFunnel，LongFunnel，StringCharsetFunnel。
// expectedInsertions 预期需要存储的数据量
// fpp 误判率，默认是0.03。
最终调用。
BloomFilter里的 byte数组空间大小是有expectedINsertions , fpp 参数决定
static long optimalNumOfBits(long n, double p) {
if (p == 0) {
p = Double.MIN_VALUE;
}
return (long) (-n * Math.log(p) / (Math.log(2) * Math.log(2)));
}
真正的byte数组 在维护类是 bitArray 。
最后可以通过put 或者 mightContain方法 ，添加元素 和是否包含。
这个算法的特点在于
布隆过滤器 解决的仅仅只是判断该元素一定不存在该集合中。
如果说一定存在其实是有误判的可能。另外因为无法分辨hash碰撞，所以不是很好做删除操作。
使用场景
1、诸如 黑名单的校验
2、URL去重 。这里如果对于安全性要求不是很高的系统。需要设置对应ip及端口映射，使用访问路径定点登录说不定是可以实现的，但是一般系统在这里使用的应该是API 网关zuul之类的。
3、key-value 缓存key校验 。redis 的缓存穿透 中，一个数据如果既不存在redis中，也不存在数据库中，这时候黑客数据大量攻击/访问数据库，造成系统奔溃。这里在redis判断没有该热点数据的时候可以加一个布隆过滤器。对于数据库中真实存在的数据我才处理这个请求。
4、ID校验。面试中很多面试官的实际场景问题也都是ID校验，比如订单系统中查询某个订单ID是否存在。如果不存在就直接返回。
布隆过滤器就聊到这里啦。
最后说一下最近跟一个朋友聊天，他问我写博客真的有用么？
其实博客本身的价值在于你对一个知识点的认识和总结。开始写的时候可能都是认识一些知识。随着写的多了理解的高度就不同了。像现在让我谈HashMap我感觉不只是在大学时候那种浅显的指导key不重复。甚至我很推荐和我一样刚刚毕业的大学生写博客。不止记录技术的学习。对生活和其它各个学科都可以写。
ok,周末愉快！