集合數據結構一般都有這么一個方法：contains。其作用就是判斷給定的元素是否存在集合中，這是一個常用的方法。其最簡單的內部實現即遍歷集合內的元素，一個個的判斷是否與給定元素相等。為了更高效點我們甚至可以采用“更好的（好是相對的）”算法實現。比如如果該集合是已經排序的，那么我們用二分查找來實現contains肯定更好。但是，如果集合的數據量龐大到一定程度，大部分我們熟知的算法不再有什么用了。即使可以使用，但是機器內存也不允許。
而Bloom Filter就是這么一個空間利用率非常高的算法。我們先來看看這個算法的原理：
1 首先我們有一個長度為n的比特數組，開始的時候將這個比特數組里所有的元素都初始化為0
00000000000000000000
上面的比特數組n為20
2 然后選取k個哈希函數，這k個哈希函數產生的結果的值的范圍在0到n-1之間（對於上面的比特數組，即0到19） 。對每個要添加進集合的對象進行哈希運算，然后將哈希計算結果作為數組的索引，將索引位置的比特位設置為1（不管該比特位原先為0還是為1）。
比如我們選取三個哈希函數，對於對象A哈希值為0，5，7。那么比特數組就為：
10000101000000000000
對象B的值為2，8，13，那么添加B后的比特數組為：
10100101100001000000
對象C為0，4，7（對象C的第一個哈希函數的值與對象A的相同了，沒關系我們還是設置為1就可以了）：
10101101100001000000
現在我們的Bloom Filter里已經有3個元素了。現在我們要判斷某元素X是否在該集合中。就相當於我們要實現一個contains方法。那么這個方法如何實現呢？
對元素X采用相同的三個哈希函數哈希，然后以這三個哈希值為索引去比特數組里找。如果三個索引位置的比特位都為1我們就認為該元素在集合中，否則不是。
我們可以用偽代碼簡單的描述一下這個算法：
private bit[] bitSet = new bit[N];
public void add(Object element){
int[] hashValues = getHashValues(element);
for( int i : hashValues){
bitSet[i] = 1;
}
}
public boolean contains(Object element){
int[] hashValues = getHashValues(element);
for( int i : hashValues){
if(bitSet[i] != 1) return false;
}
return true;
}
}
算法還是挺直觀的，對不。想想，一個很大的對象，經過一哈希，然后就變成了Bloom Filter里面的一個比特，這個空間利用效率是多么高啊。如果哈希函數的實現效率也很高的話那么不僅空間利用率高，時間復雜度也低啊。這真是一個神奇的算法對吧。
可能你想，以后我就把我們那個啥數組的contains方法替換成Bloom Filter的實現吧。
不過你仔細驗證過這個算法沒，它存在一些問題。這個算法有以下這么幾個特征：
1 如果該元素真的在集合中，那么Bloom Filter的contains方法肯定會返回true，這就是Bloom Filter不會漏報的特性。
2 如果該元素不在集合中，但Bloom Filter的contains方法有可能返回true。因為不同的元素經過哈希之后哈希值可能發生碰撞。這是Bloom Filter有可能誤報的特性。但是這個誤報的幾率並不高。
根據這兩個特性Bloom Filter在大量數據時還是挺有用的。比如假設我們有一個緩存服務器集群，集群里的不同的服務器承擔的緩存也不盡相同。如果一個用戶請求過來了，我們如何能快速的判斷出用戶請求的這個url在集群里哪台服務器上呢？因為每台服務器上緩存的url對應的頁面非常龐大，我們全部弄到內存里代價也很高。我們就可以在每台服務器上放一個Bloom Filter，里面添加的都是本服務器上有緩存的那些url。這樣即使Bloom Filter誤報了，那就是把一個url發到了一個並不持有該url對應的緩存的服務器上，結果就是緩存未命中，緩存服務器只需要將該url打到后端的上游服務器就好了。
根據Bloom Filter的特征我們可以看到不是所有的場景都可以用的，只有在一些能容許少量的誤報的情況下使用才行。該算法用很低的誤報率卻換來了大量的存儲空間，實在是是一個很巧妙的算法。
Bloom Filter算法：http://en.wikipedia.org/wiki/Bloom_filter