-
布隆过滤器 (Bloom Filter)是由 Burton Howard Bloom 于 1970 年提出，它是一种 space efficient 的概率型数据结构，用于判断一个元素是否在集合中。
-
当布隆过滤器说，某个数据存在时，这个数据可能不存在；当布隆过滤器说，某个数据不存在时，那么这个数据一定不存在。
-
相比于 Set 集合的去重功能而言，布隆过滤器在空间上能节省 90% 以上，但是它的不足之处是去重率大约在 99% 左右，也就是说有 1% 左右的误判率，这种误差是由布隆过滤器的自身结构决定的。俗话说“鱼与熊掌不可兼得”，如果想要节省空间，就需要牺牲 1% 的误判率，而且这种误判率，在处理海量数据时，几乎可以忽略。
-
哈希表也能用于判断元素是否在集合中，但是布隆过滤器只需要哈希表的 1/8 或 1/4 的空间复杂度就能完成同样的问题。
-
布隆过滤器可以插入元素，但不可以删除已有元素。
-
其中的元素越多，false positive rate(误报率)越大，但是 false negative (漏报)是不可能的。
编译安装，需要从 github 下载，下载地址：https://github.com/RedisBloom/RedisBloom
编译插件
cd RedisBloom-2.2.14
make
编译成功，生成 redisbloom.so 文件。需要修改 redis.conf 文件，新增 loadmodule配置，并重启 Redis。
loadmodule /usr/local/RedisBloom-2.2.14/redisbloom.so意味着有特殊请求在查询一个不存在的数据，即数据不存在 Redis 也不存在于数据库。
- 创建布隆过滤器：
# BF.RESERVE {key} {error_rate} {capacity} [EXPANSION {expansion}] [NONSCALING]
BF.RESERVE orders 0.1 10000000
key：filter 的名字；
error_rate：期望的错误率，默认 0.1，值越低，需要的空间越大；
capacity：初始容量，默认 100，当实际元素的数量超过这个初始化容量时，误判率上升。
EXPANSION：可选参数，当添加到布隆过滤器中的数据达到初始容量后，布隆过滤器会自动创建一个子过滤器，子过滤器的大小是上一个过滤器大小乘以 expansion；expansion 的默认值是 2，也就是说布隆过滤器扩容默认是 2 倍扩容；
NONSCALING：可选参数，设置此项后，当添加到布隆过滤器中的数据达到初始容量后，不会扩容过滤器，并且会抛出异常（(error) ERR non scaling filter is full） 说明：BloomFilter 的扩容是通过增加 BloomFilter 的层数来完成的。每增加一层，在查询的时候就可能会遍历多层 BloomFilter 来完成，每一层的容量都是上一层的两倍（默认）。
- 添加信息到过滤器
# BF.ADD {key} {item}
BF.ADD orders 10086
BF.MADD orders 10086 10087
- 判断是否存在
# BF.EXISTS {key} {item}
BF.EXISTS orders 10086
BF.EXISTS 判断一个元素是否存在于BloomFilter，返回值 = 1 表示存在。
如果需要批量检查多个元素是否存在于布隆过滤器则使用 BF.MEXISTS，返回值是一个数组：
1：存在；
0：不存在。
# BF.MEXISTS {key} {item}
BF.MEXISTS orders 100 10089- 查看创建的布隆过滤器信息
BF.INFO orders
返回值：
Capacity：预设容量；
Size：实际占用情况，但如何计算待进一步确认；
Number of filters：过滤器层数；
Number of items inserted：已经实际插入的元素数量；
Expansion rate：子过滤器扩容系数（默认 2）；