Bloom Filter的用途：
1查询一个元素是否在一个集合中
2 判重
Bloom filter是一个包含m位的位数组
filter长度: m位
元素个数： n位
hash函数个数： k个
知道元素个数即n，如何确定m和k呢？这还和要求的错误率有关。
1 首先，我们会确定允许的错误率E。当hash函数个数k=(ln2)*(m/n) = 0.693*(m/n)时错误率最小。
2 在错误率不大于E的情况下，m至少要等于n*lg(1/E)才能表示任意n个元素的集合。但m还应该更大些，因为还要保证bit数组里至少一半为0，则m应该>=nlg(1/E)*lge 大概就是nlg(1/E)1.44倍(lg表示以2为底的对数)。
3 错误率E大概等于(0.6185)^m/n
举个例子：假设错误率为0.01，则此时m应该大概是n的lg(1/0.01)*1.44=10倍。这样k大概是7.
还有个重要的问题是：如何确定hash函数呢？
哈希函数的选择对性能的影响应该是很大的，一个好的哈希函数要能近似等概率的将字符串映射到各个Bit。选择k个不同的哈希函数比较麻烦，一种简单的方法是选择一个哈希函数，然后送入k个不同的参数。
哈希函数的选择对性能的影响应该是很大的，一个好的哈希函数要能近似等概率的将字符串映射到各个Bit。选择k个不同的哈希函数比较麻烦，一种简单的方法是选择一个哈希函数，然后送入k个不同的参数。
应用实例：
1 给你A,B两个文件，各存放50亿条URL，每条URL占用64字节，内存限制是4G，让你找出A,B文件共同的URL。如果是三个乃至n个文件呢？ 根据这个问题我们来计算下内存的占用，4G=2^32大概是40亿*8大概是340亿，n=50亿。这样错误率大概是0.6185^(34/50) = 0.72
2 网络爬虫遇到一个网络地址类似于“http://mach.debagua.net”这样的，如何知道以前爬过没有？--通常这个问题以这样的形式出现：硬盘上有1M个文件，每个文件里面包含着大量URL，如何检测URL重复？
