查黑名单（大数据 100亿数据）
不理想的是：
1.使用哈希表来查（要使用非常大的空间）
2.改进：使用哈希分流，然后将使用多个计算机处理（浪费机器，代价高）
理想的是使用布隆过滤器（一种集合，但是有失误率，不属于黑名单的url可能会被认为在黑名单中，误报）：
使用的是基本数据类型的数组
然后使用数组中的bit位
如 int 型 数据 4个字节，32bit，int [] array = new int[1000];可以表示32*1000个位置
例：将某个位置描黑index：
1.这个bit位来自哪个整数：intIndex = index / 32
2.这个位置是这个整数的具体哪个bit：bitIndex = index % 32
3.描黑操作（找到相应的bit位）：array[intIndex] = (array[intIndex] | (1 << bitIndex));
也可以用long类型的（64bit），
long [] array = new long[1000] 1000*64 个位置
long[][] array = new long[1000][1000] 1000*1000*64 个位置
每个url经过k个哈希函数（相互独立的），对应相应位置上描黑，所有黑名单中每个url都描黑之后，整个布隆过滤器的数组相应位置就被描黑了
当检查url时，计算k个哈希函数的位置，当所有的位置都是黑的的情况下，就认为在过滤器中，否则就不在
样本量 n:100亿， 失误率 p：0.0001万分之一
1.需要开的空间大小m 大小为bit：
m = 1,879,591,836,735 bit
其中n 为样本量，p为预期失误率
实际的字节 m / 8 1,879,591,836,735 bit / 8 = 234948979591字节 =23.3G（向上取整） 内存
2.哈希函数的个数k：
k = 13 （向上取整）
注：m和k向上取整
3.根据m和k向上取整之后，真实的失误率：
p=6/十万