布隆过滤器布隆过滤器(Bloom Filter )是布隆过滤器在1970年提出的。 布隆过滤器是一种数据结构，其特征是高效插入和检查。 该算法可以确定某个元素是否位于某个集合中，而无需存储该元素(key )的值。 虽然效率更高、空间更省，但存在返回不准确、概率性结果的缺点。
如下图所示，实现原理光晕滤波器的是bit向量或bit数组。
实际上由长二进制向量和一系列随机映射函数(散列函数)组成。 如果考虑二进制向量的长度为9、散列函数的个数为3的布隆过滤器，则对于元素X，三个不同的散列函数分别生成的散列值为1、4、8。 上图如下所示
同样，如果散列函数返回4、6、9，则图如下所示： 保存另一个元素Y。
值得注意的是，4这个位是复盖的，因为两个值的散列函数都返回了这个位。 此时，如果询问是否存在3358www.Sina.com/，则三个散列函数的返回值为1、5、8，但第5比特的值为0意味着映射到该比特的值一个也没有
另一方面，如果需要确定是否存在值元素Z，则散列函数始终返回1、4和8。 接下来，确保这三个位的值都为1。 元素x这个值可能存在，但并不一定存在。 因为增加的值越多，设定为1的位也越多。 即使这样没有存储某一值3358www.Sina.com/，如果散列函数返回的三个位被其它要素设置为1，则程序判断为存在元素Z的值。
注意：
太小的光晕滤波器将很快使所有位都变为1，并且在询问任何值时都会返回“可能存在”，从而导致无法实现滤波目的。 布隆过滤器的长度直接影响误报率，布隆过滤器越长误报率越小。 此外，散列函数的数量也需要折衷，数量越大，模糊滤波器的位位置位1的速度越快，模糊滤波器的效率越低； 但是太少的话，我们的误报率会很高。 有关使用手动java代码实现光晕过滤器的信息，请参见https://blog.csdn.net/QQ _ 33709582/article/details/108407706
使用Guava提供的相关类库(推荐)首先，必须在项目中部署Guava依赖关系。
ependencygroupidcom.Google.guava/groupidartifactidguava/artifactidversion 24.1.1-JRE/version/dependency的实际使用
import com.Google.com mon.hash.bloom filter； import com.Google.com mon.hash.funnels； publicclassguavatest 01 { publicstaticvoidmain (字符串[ ] args ) /创建光晕过滤器对象，长度1000，错误判定率0.01 bloomfilterintegerfilttegerfiltttion 确定指定元素100和200中是否存在System.out.println ()在添加元素之前() filter.mightcontain () 100 ) ) )； System.out.println (在添加'元素之前) filter.mightcontain(200 )； //在布隆过滤器filter.put(100 )中添加元素100和200； filter.put(200； //确定指定元素100和200中是否存在System.out.println ()添加元素后() filter.mightcontain ) ) 100 )； System.out.println ('添加元素后(filter.mightcontain ) ) 200 )； }运行结果如下。
添加元素之前：添加false元素之前：添加false元素之后：添加true元素之后： true参考文章：详细了解光晕过滤器原理，使用场景和注意事项