阴阳布隆过滤

1 背景

运营活动中，有场景针对新用户发营销，老用户不能参与活动，很自然会将老用户放入一个布隆过滤器的“黑名单”。但布隆过滤器存在假阳性的问题，虽然机率很低，但根据墨菲定律，只要量够大就必定出现。亟需一个方案用最小的成本（时间、空间）应对假阳性。

2 解决方案

训练两个布隆过滤器：

1. 白名单过滤器，放入新用户的uid;
2. 黑名单过滤器，放入老用户的uid;

请求路径：

假阳性是小概率事件，假设1%（很高了，花点内存还能降到更低），最坏情况是程序判断，到了这一步已经是万分之一的概率。
假设随手所有用户一同参加，也不过是5000次程序校验，绝对可以接受。

Reference

[1] 详解布隆过滤器的原理，使用场景和注意事项