一个由1亿个数组成的集合M，数的范围从1~10亿
新来一个数n，如何快速且省内存地判断是否存在M中？
方法一：
将集合M的数用散列表保存，然后对数n判断是否在散列表中即可
消耗内存：假设一个数用4字节保存，1亿个数至少要381M内存，不过由于实际上由于有装载因子，散列冲突解决等，实际内存远远不止381M
方法二：
申请一个大小为10亿，数据类型为布尔的“特殊”散列表，将这一亿个数作为散列表下标，将值设成True
不过很多语言的布尔大小是1字节，并不能节省很大空间，实际上只需要使用1个二进制位，来表示true和false两个值就行了。
这就要用到位运算了，借助编程语言提供的数据类型，比如int，char等，通过位运算，用其中的某个位表示某个数字。
这就是位图
消耗大小：约120M
布隆过滤器
不过位图有个问题，想想看，如果数的范围是1到100亿呢，那位图消耗的大小就是1.2G了！！，相对于散列表，不降反升。
这个时候，总算轮到今天的主角：布隆过滤器登场了，它其实是对位图一种改进。
- 针对数据范围是1到100亿的集合，还是申请10亿的二进制大小的位图（消耗内存120M）
使用多个哈希函数，得到k个不同的哈希值，记为 x1,x2,x3...xk。将k个数字作为位图中的下标，将对应的值设为1
适当选择k个哈希函数，k个哈希值都相同的概率就非常低了，但又会带来新的问题，那就是误判
布隆过滤器的误判有个特点：
没有就是没有，有就有极低的可能会没有 :)
扫描二维码关注公众号，回复： 7500156 查看本文章
- 因此布隆过滤器适合过误判有一定容忍度的场景
爬虫去重
海量图库的判重