布隆过滤器的使用场景：

主要就是使用在用于海量数据中，查询一个数据是否存在。

先来看几个比较常见的例子：

1.字处理软件中，需要检查一个英语单词是否拼写正确

2.在 FBI，一个嫌疑人的名字是否已经在嫌疑名单上

3.在网络爬虫里，一个网址是否被访问过........

布隆过滤器的本质还主要是从hash函数和数组基础的数据结构出发，核心就是使用几个hash函数和一个很大的位数组实现（跟位图法有一点点的类似）。

主要特征：

1.一个很长的二进制向量 （位数组）

2.一系列随机函数 (哈希)

3.空间效率和查询效率高

4.有一定的误判率（哈希表是精确匹配）

假设有如下3个元素x，y，z，又有3个hash函数，使用这个三个hash函数分别对x,y,z进行hash处理，把处理得到的结果记录在位数组（主要就是记录0，1，0表示这个位代表的数值不存在，1代表这个位置上代表的数值存在）查找一个新的值W是否存在于原始数据中时，就只需对使用3个hash函数分别对w进行hash处理，进而得到的数值于位数组中的值进行比对，如果三个位置上都是1则证明w就存在于原始数据之中，否则只要有一个位置出现0就证明w就不存在于原始数据中。

这时我们来讨论一下可能出现的问题：

在验证w是否存在于原始数据中时会出现一个问题就是就是hash之后的值对应位数组中的值都是1，但是w却不存在于原始数组之中，举个例子就按下图中4，5，6三个位置而言，这个三个位置值都为1，但是这个三个位置的1却是又不同数据经过hash得到的而不是一个数据经过三次hash，所以如果有另一个数据r经过三次hash之后拿到的位置是4，5，6三个位置时系统就是判定r存在于原始数组中，但是事实是r并没有在原始数组中，这就是布隆过滤器的不精确的缺陷。这个其实还是来自于hash函数，因为数据量的问题hash函数得到的值一定会具有重复性，因此布隆过滤器可以用一句话去概括“没有的一定没有，有的不一定有”。
因此选择一个合适的hash函数对于提升布隆过滤器的精度有很大的作用，布隆过滤器在数学之美中提及过一个粗略的精度值，后续在补上，有什么更加深刻的理解后续再补上，未完待续。。。。

image