要么游泳，要么沉底，这是我看的一个医生的书里面的一句话，听起来觉得挺极端的，压力很大的，我总结出一个道理，所有励志的话都是让你相信为来是有光的，努力后前途是美丽的，也就是说，践行这句话时，自己要么在游泳，要么在黑暗之中，也许这就是人生需要的起伏，不管是为了激励人而故意弄一个先抑后扬，还是生活中，就是要有波澜起伏。
每日BB结束
今天说说布隆过滤器
布隆过滤器 用来测试一个元素是否在一个集合里。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
看一个谷歌的实现
/**
* 总个数
*/
private static int total = 1000000;
private static org.slf4j.Logger logger = LoggerFactory.getLogger(Bloom.class);
/**
* 创建布隆过滤器
*/
private static BloomFilter<Integer> bf = BloomFilter.create(Funnels.integerFunnel(), total);
public static void main(String[] args) {
// 初始化1000000条数据到过滤器中
for (int i = 0; i < total; i++) {
bf.put(i);
}
int j = 5000;
// 判断是否存在
boolean flag = bf.mightContain(j);
logger.info("{} 判断结果为：{}", j, flag);
// 匹配已在过滤器中的值，是否有匹配不上的
for (int i = 0; i < total; i++) {
if (!bf.mightContain(i)) {
logger.info("有坏人逃脱了~~~");
}
}
// 匹配不在过滤器中的10000个值，有多少匹配出来
int count = 0;
for (int i = total; i < total + 10000; i++) {
if (bf.mightContain(i)) {
count++;
}
}
logger.info("误伤的数量：" + count);
}
代码也是挺简单的，来说说干货
* 查询优化，有一种可以通过缓存在处理
* 其实还可把查询的结果放到map里面
* 布隆过滤器可以解决这一点，他是一个类似数组类型的数据结构
* 把放到里面的值，通过k次hash放到数组的k个点上，并且将k个点都标记为1
* 查找的时候，也是将要查找的值通过k个hash函数，来从数组中找对应的位置，如果k个位置中
有一个为0，那么就一定不存在
* 如果 都是1 那么也有可能不存在(因为 对于一个布隆过滤器中不存在的值，他去做hash计算，获得到bit数组中的位置，可能被其他的值的hash占用了，被写成了1)
* 缺点就是，存在不准确，以及他是不支持删除的（因为删除，要把元素对应数组中的位置置为0
，但是这个位置是共用的，所以不能删除
* ），但是有一些变种是支持的
* 另外使用多少个key是可以指定的，可以通过计算公式计算出来，这个api不用因为里面已经帮
忙计算过了
* 另外 下面的栗子是使用google gava库里面的 他是单体的不支持分布式
* 所以 用redis的更好一些
* redis实现布隆过滤器有几种形式
* lua 脚本
* reBloom 这个要部署服务
* 还有通过pyton
* 其实具体的实现思想都是一致的
上面说了很多，重要的就是他的数据结构，时间复杂度，布隆一个打辅助的是怎么想到的，另外也有一个疑问就是HashMap因为占内存而不被使用，布隆怎么就不占内存呢，他也是存了很多个数据进去的呀。
HashMap存储容量占比高，考虑到负载因子的存在，通常空间是不能被用满的，而一旦你的值很多例如上亿的时候，那 HashMap 占据的内存大小就会变得非常大，意思就是说，Hash要留一些空间，不能所有都存，但是布隆可以都存的。
而且HashMap在元素数量很多时是不能一次性写入的
