1. 布隆过滤器是什么？（判断某个key一定不存在）
1. 本质上布隆过滤器是一种数据结构，比较巧妙的概率型数据结构
2. 特点是高效地插入和查询，可以用来告诉你 “某样东西一定不存在或者可能存在”。
3. 相比于传统的 List、Set、Map 等数据结构，它更高效、占用空间更少，但是缺点是其返回的结果是概率性的，而不是确切的。
使用：
1. 布隆过滤器在NoSQL数据库领域中应用的非常广泛
2. 当用户来查询某一个row时，可以先通过内存中的布隆过滤器过滤掉大量不存在的row请求，然后去再磁盘进行查询
3. 布隆过滤器说某个值不存在时，那肯定就是不存在，可以显著降低数据库IO请求数量
2. 应用场景
1）场景1（给用户推荐新闻）
1. 当用户看过的新闻，肯定会被过滤掉，对于没有看多的新闻，可能会过滤极少的一部分（误判）。
2. 这样可以完全保证推送给用户的新闻都是无重复的。
2）场景2（爬虫url去重）
1. 在爬虫系统中，我们需要对url去重，已经爬取的页面不再爬取
2. 当url高达几千万时，如果一个集合去装下这些URL地址非常浪费空间
3. 使用布隆过滤器可以大幅降低去重存储消耗，只不过也会使爬虫系统错过少量页面
3. 布隆过滤器原理
1. 每个布隆过滤器对应到Redis的数据结构是一个大型的数组和几个不一样的无偏hash函数
2. 如下图：f、g、h就是这样的hash函数（无偏差指让hash映射到数组的位置比较随机）
添加：值到布隆过滤器
1）向布隆过滤器添加key,会使用 f、g、h hash函数对key算出一个整数索引，然后对长度取余
2）每个hash函数都会算出一个不同的位置，把算出的位置都设置成1就完成了布隆过滤器添加过程
查询：布隆过滤器值
1）当查询某个key时，先用hash函数算出一个整数索引，然后对长度取余
2）当你有一个不为1时肯定不存在这个key，当全部都为1时可能有这个key
3）这样内存中的布隆过滤器过滤掉大量不存在的row请求，然后去再磁盘进行查询，减少IO操作
删除：不支持
1）目前我们知道布隆过滤器可以支持 add 和 isExist 操作
2）如何解决这个问题，答案是计数删除，但是计数删除需要存储一个数值，而不是原先的 bit 位，会增大占用的内存大小。
3）增加一个值就是将对应索引槽上存储的值加一，删除则是减一，判断是否存在则是看值是否大于0。
