布隆过滤器

想一下这样的题目：

　　如果一个黑名单网站包含100亿个黑名单网页，每个网页最多占64B，设计一个系统，判断当前的URL是否在这个黑名单当中，要求额外空间不超过30GB，允许误差率为万分之一。 

　　怎么做？？ How to  solve  it ??       

　　

（用于在一堆数据中，快速判断某个数据是否存在，结果是 一定不存在和可能存在）

　　可能存在的原因是由于： 我们在用布隆过滤器的时候是用到了多个 散列函数（hash函数），每个hash函数生成一个位，然后将这个位置1，这样就会出现尽管某个数据不存在，但是它的多个hash位全部被置为了1的情况。

　　布隆过滤器的删除操作不太好。因为不知道是不是应该删除这个数据的多个hash位。（而且更不好的是由于布隆过滤器的采用的是bit向量来存储的，也就是每一个位只有0和1两种状态，无法记录此hash位对应多少个数据！！！！）。所以布隆过滤器只是添加元素，不能删除元素。

　　那么怎么能让布隆过滤器删除数据呢？

　　（首先可能想到的是 将位表示变为整数表示，这样出现了一个问题，那就是使用的空间变大了。 而且不一定能确定要删除的元素就存在与数组当中啊！！！ ）

 

突然间，有了一个问题！！  为什么要用布隆过滤器呢？？  用HashMap不行吗？？或者说它的优势在哪里呢？

　　（占用的空间少！！！！   而且不是少了一点。  hash的本质都是通过hash函数对输入进行运算，得到一个数值。在HashMap中我们是用这个数值来作为数组的下标，但是数组中的值可不是只有一个bit位那么简单! 当然我们可以让其变为一个比特位。通常情况下HashMap中存储的就是value对象，我们可以存一个位，用0 和 1 表示不存在和存在，而不是存储具体的数值了！！！）

继续思考：

　　（首先清楚了，布隆过滤器没有什么神奇的，只不过是在某个位置存储的bit位，即0或1，而HashMap中存储的是对象。如果有一个hash函数，要求它的错误率低于0.1，那么）

 

我的想法：

　　过段时间再写！！！！

 

参考文档：

　　https://zhuanlan.zhihu.com/p/72378274