理论部分来自于一个接地气文章（除了讲了很好的故事外，还介绍了 Google 的 guava 是咋实现布隆过滤器的）http://www.cnblogs.com/crossoverJie/p/10018231.html
1 布隆过滤器作用： 判断大规模数据中，某元素是否存在。
- 某元素判定为不存在，100%准确
- 某元素判定为存在，若误报率设定为0.01，则99%是准确的。布隆过滤器无法保证此项判断100%准确。（你把下面代码里的0.01设定成0试试？）
2 guava 的布隆过滤器 vs. java集合框架中的 HashSet
下面的测试在我的2012年老笔记本电脑上进行的。
布隆过滤器（误报率设定为0.01） VS HashSet
| 数据规模 | 布隆过滤器(代码1)用时 | HashSet(代码2)用时 |
|---|---|---|
| 10 | 30ms | 0 |
| 100 | 30ms | 0 |
| 1000 | 60ms | 0 |
| 1万 | 100ms | 10ms |
| 10万 | 180ms | 40ms |
| 100万 | 700ms | 950ms |
| 1000万 | 6s 难以忍受 | 10秒 |
| 1亿 | 56s 无法忍受了 | 崩溃 |
上表仅仅在耗时上做比较，耗费内存方面没做比较。数据量很大时，布隆过滤器表现非常优秀，而 HashSet 就很差了。
查询所需时间同数据规模和误报率设定有直接关系。hashSet 数据规模小时是王者，随着数据规模增大，变青铜，到最后麻爪，崩溃了！
上面的比较，来自于下面2段代码。
代码1： 应用 Goolge guava 的布隆过滤器代码如下：
@Test
public void guavaTest(){
long start = System.currentTimeMillis();
BloomFilter<Integer> filter = BloomFilter.create(
Funnels.integerFunnel(),
capacity, // e.g. int capacity=100000
0.01
);
for(int i=0; i<capacity; i++){
filter.put(i);
}
Assert.assertTrue(filter.mightContain(1));
long end = System.currentTimeMillis();
System.out.println("执行时间：" + (end - start));
}
代码2：用 java容器 HashSet 处理此应用，代码如下：
@Test
public void hashSetTest(){
long start = System.currentTimeMillis();
Set<Integer> hashset = new HashSet(capacity); // e.g. int capacity=100000
for(int i=0; i<capacity; i++){hashset.add(i);}
Assert.assertTrue(hashset.contains(1));
long end = System.currentTimeMillis();
System.out.println("执行时间：" + (end - start));
}
3 话题拓展 【面试现场】如何判断一个数是否在40亿个整数中？
https://www.itcodemonkey.com/article/8258.html
这里面用的是 bitmap，即位图法。
个人感觉这种方法只适合判断整数元素是否存在。 优势是判断准确，且速度极快。
而布隆过滤器不仅适合判断整数元素，也适合判断字符串元素，例如网址。 劣势是数据量为千万级时，判断速度6秒，很慢了已经。
4 加速布隆过滤器和 bitmap
个人认为：分布式部署是布隆过滤器和bitmap加速的最无脑但很有效的方式，尤其针对布隆过滤器的加速，是个很好的选择！！！
