Bloom Filter 布隆過濾器：「不存在 為可確定，存在 為＂可能＂」
聽朋友聊到 Bloom Filter 布隆過濾器覺得有趣，
做了點調查。
這篇文章說明得較清楚： 深入浅出BloomFilter原理 - 刘训灼的文章 - 知乎
由於 Bloom Filter 的原理特性 使得「不存在 為可確定，存在 為＂可能＂」，
存在可以推的（可控的）誤判率，
因此合適其優勢的情境有些特徵，如：
大數據下 希望運用類 Hash 來過濾，希望避免 Hash 衝突- 合適的 二元向量 數量
- 合適的 Hash function 數量
特別好奇於把一個對其＂存在＂具有一定誤判率的東西， 拿來用在「判断一个元素是否在集合中」的方式… 頗有趣的可以強調 正面用、反面用。
「不存在為確定」特性
緩存穿透 的攻擊，優先排除掉 不合規Key 的 request 訪問。 延伸課題：緩存做水平擴展、熱點調教、…
運用「存在判斷有可控極低的誤判率」特性
爬蟲過濾掉疑似曾經訪問過的 URL。（代價是可能少抓到頁面）
特殊運用： 資料採集之：巧用布隆過濾器提取資料摘要
Reference
什么是缓存雪崩、缓存击穿、缓存穿透？ - java技术爱好者的文章 - 知乎 什么是缓存雪崩、击穿、穿透？ 布隆过滤器与布谷鸟过滤器 - 终端研发部的文章 - 知乎 硬核 | Redis 布隆（Bloom Filter）过滤器原理与实战 - 码哥字节的文章 - 知乎