识别fndmz函数Hash，并且通常被翻译为“散列”，但是也可以直接翻译为“fndmz”。 即任意长度的输入端通过哈希算法转换成固定长度的输出端，该输出端是哈希值。
这个变换是压缩映射。 这意味着哈希值的空间通常远远小于输入的空间，不同的输入可能会散列到同一个输出，因此无法根据哈希值确定唯一的输入值。
简单来说，这是一个将任意长度的消息压缩为一定长度的消息摘要的函数。
黑名单系统布隆过滤器应用场景：需要存储大量黑名单，需要快速识别是否包含在黑名单中。 布隆过滤器可快速识别，同时大幅减少存储空间。
利用位图的原理与操作系统的可用内存块非常相似。 您可以使用fndmz函数将黑名单中的个体转换为fndmz值，然后根据该fndmz值将该值转换为位图最后存储的位置。 如果该位为1，则表示不在黑名单上，如果为0，则表示不在黑名单上。
这样，可以将存储单个数据的nbit转换为1bit。 此外，相关存储还允许您快速搜索是否被列入黑名单
解决冲突-提取特征fndmz函数会导致很大的误差率，即许多数据被投影到同一位置，而禁止投影该位置的所有数据。 解决方法是增加数据的特征点。 如果使用k个独立的fndmz函数，则从一个数据中可以得到k个概率不同的fndmz值。 将这些位置都设定为1，遇到新数据时，fndmz函数计算其k个fndmz值，如果对应的位置不全部为1，则禁止该数据
布隆过滤器限制无法删除数据。 因为涂黑(0)可能与很多数据有关。 布隆过滤器一定有误差。 根据数据量n和可容许的误差率p确定fndmz函数k个，使得存储空间m可以根据数学原理选择最佳的存储空间
p随m的增加而减少，利用接受的p可以计算出m能满足多少。
m=nLNP(ln2 ) 2m=-(FRAC(n*LNP ) ) ln2 ) m=) LN2 )2nlnp
m确定后，p先随着k的增加而增加。 (k的增加，表示可以掌握更多的数据细节，更好地识别黑名单) )但是，之后随着k的增加，p会减少。 因为干净的空间会迅速被涂成黑色，所以最后会被识别为黑名单。 可以通过以下公式确认最佳。
k=0.7 nmk=0.7 *frac { n } { m } k=0.7 Mn
也可以根据实际的k、m、n计算出p
(1enkm ) k ) k (1-e^{-frac{nk}{m}} ) k )1emnk ) k
如何得到k个fndmz函数？ 13个fndmz函数？
找两个独立的fndmz函数就可以了
f(g ) (f ) ) 1g ) ) 2g ) .f ) ) g ) )1) g ) ) f ) )2) g ) )2) g ) ) ) f ) ) .