1.问题引入
考虑这样的一个场景，假设某公司的黑名单中有100亿个URL链接，每个URL链接大小是64个字节，问：当给定某个URL，判断它是否在该公司的URL黑名单中。
2.Hash表能否解决该问题？
问题一给出，我们就很容易想到一个方法，用Hash表去解决该问题，这个思路确实也是可以的，我们可以把这些属于黑名单的URL通过hash函数映射到hash表中。
这样，每当给定一个新的URL的时候，就可以直接通过hash映射，若在表中能找到该URL，则给定的URL就属于黑名单中的，若没找到，则不属于黑名单。Hash表的存取时间复杂度都是O(1)，效率很高，因此我们会对这个方案感到满意。
但是细想一下，总共有100亿个URL耶，而且每个URL市64字节耶，除去空槽还有指针等占用的内存，其余的内存至少也得100亿乘以64字节，总过6400亿个字节啊，约等于640G，所以这种方法很浪费内存，如果搞分布式的话，也很浪费机器。
因此，使用Hash解决该问题会存在的缺陷是：一次性读进内存构建 HashMap 的时候，会存在有关于资源的各种问题。
3.布隆过滤器
3.1基本介绍
好，为解决上述hash表存在的问题，我们引入了布隆过滤器。布隆过滤器其实也是一种集合类型的数据结构，它的优势就是为了解决上述的浪费内存资源的问题。
但是，布隆过滤器会有失误率。这里的失误率是指：URL不属于黑名单的，但是返回的结果可能也属于黑名单。
因此布隆过滤器有以下两种情况：
1.给定URL就是属于黑名单，布隆过滤器可以得到这个URL就是属于黑名单的结果。
2.URL不属于黑名单，但返回的结果可能也属于黑名单。
因此，第2点说的就是上述的失误率。
3.2基本原理
布隆过滤器是一个bit 数组，每一个bit它的值是0或1。长这个样子。
我们要把一个URL映射到布隆过滤器中，需要使用多个不同的相互独立的哈希函数生成多个哈希值，并对每个生成的哈希值指向的 bit 位置 1。例如有一条黑名单的URL为www.itNiShiLiu.com，经过4个相互独立的哈希函数hash1、hash2、hash3、hash4，分别生成了2、4、6、8，我们就得到了下图。
好，现在又有一条黑名单URL为www.sb.com，经过4个相互独立的哈希函数hash1、hash2、hash3、hash4，分别生成了2、3、5、7，然后就又变成了下图。
因此，如果当有一个URL为www.baidu.com进到布隆过滤器，经过哈希函数分别得到1、2、4、6。即使1、2、4、6中2、4、6是为1的，但是第1位为0，所以它不属于黑名单中的成员。但此时有个属于黑名单的URL为www.sb.com进到布隆过滤器中，经过哈希函数返回2、3、5、7，然后发现2、3、5、7这几个位置都为1，因此布隆过滤器返回该URL属于黑名单。但是，如果有另外一个不属于黑名单的URL为www.taobao.com进到布隆过滤器，它经过哈希函数返回的值也为2、3、5、7，同理，布隆过滤器此时会返回该URL属于黑名单，所以这是上文提到的失误率的表现。
3.3失误率
好，我们可以想象以下。
如果数组太小的话，而黑名单列表的数目很多，然后它们每个经过哈希函数后使得数组中的每一位都为1了，即以后如果要判断任何一个URL是否属于黑名单中，那布隆过滤器都会返回该URL是黑名单的结果，这就会造成很高的失误率。
如果哈希函数太多而数组很小的话，那它同样会造成上述结果。
因此，有关于布隆过滤器的相关公式如下，对推导过程感兴趣的可以百度搜索一波，这里不再详细赘述了。
3.4相关公式
定义：
数组大小为m
哈希函数个数为k
失误率为p
1.n为样本量，就相当于上文提到的的100亿个黑名单列表。
2.k为哈希函数的个数
3.求得上面的m和k之后，可以利用以下公式得出布隆过滤器的真实失误率。
4.写在最后
博主之前收藏过一份Spring源码视频教学，想要的同学请在后台回复“ Spring ”，即可获取！
由于篇幅有限，博主后续会细化内容。各位同学有问题的话，请在后台留言，博主将第一时间回复。
