BloomFilter原理：
定义一个长度为n的数组，里边的元素军定义为0，当一个数据加入到某个集合当中，首先通过K个hash函数映射到数组中的k个点，将映射到的数组上元素改为1，当查询这个数据时，先通过k个hash函数映射的结果，判断如果所有的映射的点的值均为1，则表示集合中有大概率存在这个元素，反之如果有一个映射的点为0，则集合中肯定没有这个元素。
优缺点：
优点：通过k个hash，减少hash碰撞的概率；添加查询效率也很快，均为O（k）；布隆过滤器不存储元素，非常适合做数据校验。
缺点：存在一定的误判，还是有一定的碰撞几率会导致误判，并且随着数据量的增大碰撞机率也会增大，所以根据集合元素数量的多少选择是否需要布隆过滤器，以及设计布隆过滤器的hash函数的个数和数组的长度；删除困难，也是因为碰撞的原因。
特性：
一个元素的判定结果为存在则不一定存在，一个元素的判定结果为不存则一定不存在。可以添加元素，不允许删除。
使用BloomFilter解决redis缓存穿透
1.可以自定义布隆过滤器
2.使用Google的guava实现的过滤器，个人推荐 ，谷歌多年的经验总结出来，可以设置数组的长度和误判率，还是比较精准的。
3.使用redis bitmap实现，不过得自己定义hash函数，跟自定义差不多。
