从开始编程到现在经常的遇到存在问题，就是一个元素是否再某个容器当中，比如用户名是否存在，链接是否重复等等，那么基于判定存在的场景，我们基本上可以考虑到的方法：
1、线性查找
2、树形查找（红黑树，AVL）
3、哈希表
上面都可以解决这个问题，但是面对海量的数据，上面的解决方案难免遇到 查询时间长，存储占用大的问题，那么我们来聊一个看似不靠谱的方法，布隆过滤器。
原理
为啥说他不靠谱，原因很简单，布隆过滤器查询实际上是按照指定的数据结构对数据进行记录，然后针对记录进行查询的方法，他可以确定的告诉你这个元素不在布隆过滤器的容器当中，但是不能确定他在布隆过滤器当中，呐，说到这里，是不是有的小伙伴已经感觉迷糊了，不能确定在，那要他干啥，对，用它判断不在就可以了，具体的实现原理如下：
首先定义一个n位的数组，数组每个元素默认为0，和n个哈希算法，
这里假使数组24位，hash算法3个
插入数据的时候，分别使用三种算法，对插入的数据进行计算，将计算的结果对应的奥数组相同的位数上，将该位值改成1
值1 hash算法1的值是2，所以2号索引的元素值该位1
值1 hash算法2的值是4，所以4号索引的元素值该位1
值1 hash算法3的值是6，所以6号索引的元素值该位1
这样，如果查询值2是否再hash列表当中，那么直接对值2进行三次hash算法，然后进行映射，如果发现映射的索引位上的元素有不为1的，那么肯定不存在。
同理，如果都为1，可能是存在，但是不是也有肯能是其他数据将索引为修改成1的，所以可能存在，也可能不存在。
那这就是布隆过滤器的原理，通过原理我们自然可以总结出：
1、节省空间，通过上面的案例就可以看出，布隆过滤器不需要存储数据本身，只需要存储数据对应hash比特位
2、时间复杂度低，有几个hash函数，时间复杂度就是O几，比如上面的案例就是O(n)
3、判断的准确度取决于hash的长度
4、由于不确定应存在，所以无法删除元素（在不在都不知道，咋删除，没得删）
Redis布隆过滤器
最后，给大家附带上一个成熟的布隆使用方法，使用redis布隆过滤器，当然，各位大佬也可以结合自己使用的后端语言的api使用redis 布隆过滤器。
安装redisbloom过滤器插件
插件地址：
https://github.com/RedisBloom/RedisBloom
下载解压文件：
unzip RedisBloom-master.zip
拷贝插件到redis的bin目录下
cp /opt/redisbloom.so /usr/local/redis/bin/redisbloom.so
修改redis的配置文件：
loadmodule /usr/local/redis/bin/redisbloom.so
从其服务：
sudo /etc/init.d/redis-server restart
#测试是否安装成功
127.0.0.1:6379> bf.add key1 value1
常用的api附上
| 方法 | 描述 |
|---|---|
| bf.add | 添加元素到布隆过滤器，也是key/value结构 |
| bf.exists | 判断某个元素是否在布隆过滤器当中，参数和add一样，也是指定key和value判断。 |
| bf.madd | 同时添加多个元素到布隆过滤器。这里要注意是一键多值哦，bf.madd key1 value1 value2 value3 |
| bf.mexists | 同时判断多个元素是否存在于布隆过滤器中。同样是一键多值，bf.mexistskey1 value1 value2 value3 |
最后还是欢迎各位大佬多多指点。
