布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上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，缺点是有一定的误识别率和删除困难。

中文名

布隆过滤器

外文名

Bloom Filter

提出者

布隆

提出时间

1970年

基本概念

如果想要判断一个元素是不是在一个集合里，一般想到的是将所有元素保存起来，然后通过比较确定。链表，树等等数据结构都是这种思路. 但是随着集合中元素的增加，我们需要的存储空间越来越大，检索速度也越来越慢

。不过世界上还有一种叫作散列表（又叫哈希表，Hash table）的数据结构。它可以通过一个Hash函数将一个元素映射成一个位阵列（Bit array）中的一个点。这样一来，我们只要看看这个点是不是1就可以知道集合中有没有它了。这就是布隆过滤器的基本思想。

Hash面临的问题就是冲突。假设Hash函数是良好的，如果我们的位阵列长度为m个点，那么如果我们想将冲突率降低到例如 1%, 这个散列表就只能容纳

个元素。显然这就不叫空间效率了（Space-efficient）了。解决方法也简单，就是使用多个Hash，如果它们有一个说元素不在集合中，那肯定就不在。如果它们都说在，虽然也有一定可能性它们在说谎，不过直觉上判断这种事情的概率是比较低的。

布隆过滤器

优点

相比于其它的数据结构，布隆过滤器在空间和时间方面都有巨大的优势。布隆过滤器存储空间和插入/查询时间都是常数。另外, Hash函数相互之间没有关系，方便由硬件并行实现。布隆过滤器不需要存储元素本身，在某些对保密要求非常严格的场合有优势。

布隆过滤器可以表示全集，其它任何数据结构都不能。

缺点

但是布隆过滤器的缺点和优点一样明显。误算率是其中之一。随着存入的元素数量增加，误算率随之增加。常见的补救办法是建立一个小的白名单，存储那些可能被误判的元素。但是如果元素数量太少，则使用散列表足矣。

另外，一般情况下不能从布隆过滤器中删除元素。我们很容易想到把位列阵变成整数数组，每插入一个元素相应的计数器加1, 这样删除元素时将计数器减掉就可以了。然而要保证安全的删除元素并非如此简单。首先我们必须保证删除的元素的确在布隆过滤器里面. 这一点单凭这个过滤器是无法保证的。另外计数器回绕也会造成问题。

在降低误算率方面，有不少工作，使得出现了很多布隆过滤器的变种。

应用

网页URL的去重，垃圾邮件的判别，集合重复元素的判别，查询加速（比如基于key-value的存储系统）、数据库防止查询击穿，使用BloomFilter来减少不存在的行或列的磁盘查找。

java代码实现

12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697public class MyBloomFilter {     /**     * 一个长度为10 亿的比特位     */    private static final int DEFAULT_SIZE = 256 << 22;     /**     * 为了降低错误率，使用加法hash算法，所以定义一个8个元素的质数数组     */    private static final int[] seeds = {3, 5, 7, 11, 13, 31, 37, 61};     /**     * 相当于构建 8 个不同的hash算法     */    private static HashFunction[] functions = new HashFunction[seeds.length];     /**     * 初始化布隆过滤器的 bitmap     */    private static BitSet bitset = new BitSet(DEFAULT_SIZE);     /**     * 添加数据     *     * @param value 需要加入的值     */    public static void add(String value) {        if (value != null) {            for (HashFunction f : functions) {                //计算 hash 值并修改 bitmap 中相应位置为 true                bitset.set(f.hash(value), true);            }        }    }     /**     * 判断相应元素是否存在     * @param value 需要判断的元素     * @return 结果     */    public static boolean contains(String value) {        if (value == null) {            return false;        }        boolean ret = true;        for (HashFunction f : functions) {            ret = bitset.get(f.hash(value));            //一个 hash 函数返回 false 则跳出循环            if (!ret) {                break;            }        }        return ret;    }     /**     * 测试。。。     */    public static void main(String[] args) {         for (int i = 0; i < seeds.length; i++) {            functions[i] = new HashFunction(DEFAULT_SIZE, seeds[i]);        }         // 添加1亿数据        for (int i = 0; i < 100000000; i++) {            add(String.valueOf(i));        }        String id = "123456789";        add(id);         System.out.println(contains(id));   // true        System.out.println("" + contains("234567890"));  //false    }} class HashFunction {     private int size;    private int seed;     public HashFunction(int size, int seed) {        this.size = size;        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);        }        int r = (size - 1) & result;        return (size - 1) & result;    }}