布隆过滤器，大家学过数据结构的应该都清楚，一般的字典树要实现嵌入和查找都内存的消耗非常大，布隆过滤器有BloomFilter<1000000,string, BKDRHash, APHash, DJBHash> bf五个参数你要查找的元素个数，查找元素类型，三个Hash函数， m = -n*ln(p) / (ln(2)^2) k = m/n * ln(2) # k 为哈希函数个数 # m 为布隆过滤器长度 # n 为插入的元素个数 # p 为可接受该容器的误报率（0-1） 当k等于3时，m=4.36n,于是可以设置m/n=5，k如果多的话，m/n可以设置更大来追求准确率，一般m/n设置为k*ln(2)就行，此时误差率小于0.01

在学习redis过程中提到一个缓存击穿的问题， 书中参考的解决方案之一是使用布隆过滤器， 那么就有必要来了解一下什么是布隆过滤器。在参考了许多博客之后， 写个总结记录一下。 一、布隆过滤器简介 什么是布隆过滤器？ 本质上布隆过滤器( BloomFilter )是一种数据结构，比较巧妙的概率型数据结构（probabilistic data structure），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”。 相比于传统的 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。 布隆过滤器原理 布隆过滤器内部维护一个bit

布隆过滤器( BloomFilter )是一种数据结构，比较巧妙的概率型数据结构（probabilistic data structure），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”。这篇文章主要介绍了python实现布隆过滤器 ,需要的朋友可以参考下

介绍Bloom Filter（布隆过滤器）原理、实现及具体应用，包含9个不同PPT及PDF文档资料，对Bloom Filter感兴趣、想学习的同学可以下载查看下

项目作者：fuyinglong 邮箱： CSDN 昵称：你喜欢梅西吗 github 主页： 项目名：chat-project-based-on-ubuntu 介绍 使用 C++实现的 ubuntu 环境下的聊天小项目，采用 C/S 架构，支持注册、登录、记录登录状态、私聊、群聊功能，前期使用多线程实现并发服务器，后期利用 epoll 监听+线程池处理的 Reactor 模式实现并发服务器，进行了压力测试，并采用 bitmap 实现的布隆过滤器减少对 MySQL 的查询。 项目中使用 TCP 网络编程实现 C/S 的信息交互，使用 Mysql 记录用户账号、密码，使用 redis 记录用户的登录状态，编写了 makefile 进行编译，使用 shell 脚本提高了开发效率，开发过程使用 git 进行版本管理，编写了说明文档。 主要功能： 1、用户注册，数据存储到服务器主机的数据库中 2、用户

文章：http://blog.sina.com.cn/s/blog_5f49acab0102x7i5.html 在日常生活中，包括在设计计算机软件时，我们经常要判断一个元素是否在一个 集合中。比如在字处理软件中，需要检查一个英语单词是否拼写正确（也就是要判断它是否在已知的字典中）；在 FBI，一个嫌疑人的名字是否已经在嫌疑名单上；在网络爬虫里，一个网址是否被访问过等等。最直接的方法就是将集合中全部的元素存在计算机中，遇到一个新 元素时，将它和集合中的元素直接比较即可。一般来讲，计算机中的集合是用哈希表（hash table）来存储的。它的好处是快速准确，缺点是费存储空间。当集合比较小时，这个问题不显著，但是当集合巨大时，哈希表存储效率低的问题就显现出来 了。比如说，一个象 Yahoo,Hotmail 和 Gmai 那样的公众电子邮件（email）提供商，总是需要过滤来自发送垃圾邮件的人（spamer）的垃圾邮件。一个办法就是记录下那些发垃圾邮件的 email 地址。由于那些发送者不停地在注册新的地址，全世界少说也有几十亿个发垃圾邮件的地址，将他们都存起来则需要大量的网络服务器。如果用哈希表，每存储一亿 个 email 地址

Java 实现的高性能布隆过滤器！.zip,Advanced Bloom Filter Based Algorithms for Efficient Approximate Data De-Duplication in Streams

布隆过滤器C源码

鉴于github网络不稳定，此处提供免费下载，供广大学习爱好者使用。

布隆过滤器插件