定义

Bloom Filter，1970年由布隆提出，实际上是一个很长的二进制向量和一系列随机映射函数。

用途

可以用于检索一个元素是否在集合中。 判断一个元素是不是在一个集合中，一般做法是将集合中的所有元素保存起来，然后通过比较确定，如数组、链表、树、散列表等，随着集合中元素增加，需要的存储空间越来越大，同时检索速度也越来越慢，如数组O(n)、链表O(n)、树O(logn)、散列表O(1)

原理

当一个元素被加入集合时，通过K个散列函数将这个元素映射成一个位数组中的K个点，把它们置为1。检索时，只要看看这些点是不是都是1就大约知道集合中有没有它了；如果这些点都为0，则被检索元素一定不在集合中；如果都是1，则被检索元素可能在集合中。

优点

• 空间效率和查询时间都远远超过一般算法，存储空间和插入/查询都是常数O(k)
• 散列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，其他任何数据结构都不能

缺点

• 是有一定的误识率，随着存入元素的数量增加，误识率随之增加，但是如果元素数量太少，使用散列表足以。 如何改进？选用增加位数组大小，增加散列函数的个数，选用相关性更弱的散列函数
• 删除困难，一般情况下不能从布隆过滤器删除元素。由于碰撞的问题我们无法保证删除的元素的确在布隆过滤器中。 如何解决？1、可定期重建。2、建立已删除元素的新布隆过滤器，如果在原布隆过滤器命中（冲突率一般较低，命中 率也较低），新布隆过滤器命中，则认为该元素不存在，判定为未命中。