bloom filter

知识即是力量ol

海量数据去重的利器：布隆过滤器（Bloom Filter）深度解析与实战在互联网开发中，我们经常会遇到海量数据判重的场景。比如，在开发类似“今日头条”的新闻客户端时，如何保证推荐给用户的内容不重复？如果每个用户的历史记录都存入关系型数据库，频繁的 EXISTS 查询会瞬间击垮数据库；如果存入 Redis 的 Set，随着用户阅读量增长，内存消耗将变得不可接受。

Redis系列补充：聊聊布隆过滤器（go语言实践篇）★ Redis24篇集合布隆过滤器（Bloom Filter）是 Redis 4.0 版本之后提供的新功能，我们一般将它当做插件加载到 Redis Service服务器中，给 Redis 提供强大的滤重功能。

Redis基于布隆过滤器解决缓存穿透问题（15）布隆过滤器适用于判断某个数据是否在集合中存在，可能存在一定的误判， Bloom Filter基本实现原理采用位数组与联合函数一起实现；实现的原理采用二进制向量数组和随机映射hash函数。布隆过滤器为什么会产生冲突，会根据key计算hash值，可能与布隆过滤器中存放的元素hash产生冲突都是为1，布隆可能会产生误判可能存在。如何解决这个问题，可以将二进制数组长度设置比较大，可以减少布隆误判的概率。【适合的场景】

我是有底线的