代码测试
package com.nobody; import com.google.common.hash.BloomFilter; import com.google.common.hash.Funnels; /** * @Description * @Author Mr.nobody * @Date 2021/3/6 * @Version 1.0 */ public class GuavaDemo { public static void main(String[] args) { // 假设元素个数为10万 int size = 100000; // 预计元素为10万，误差率为1% BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, 0.01); // 将1至100000这十万个数映射到布隆过滤器中 for (int i = 1; i <= size; i++) { bloomFilter.put(i); } // 检查已在过滤器中的值，是否有匹配不上的 for (int i = 1; i <= size; i++) { if (!bloomFilter.mightContain(i)) { System.out.println("存在不匹配的值：" + i); } } // 检查不在过滤器中的1000个值，是否有匹配上的 int matchCount = 0; for (int i = size + 1; i <= size + 1000; i++) { if (bloomFilter.mightContain(i)) { matchCount++; } } System.out.println("误判个数：" + matchCount); } }结果存在的10万个元素都匹配上了；不存在布隆过滤器中的1千个元素，有10个误判。
误判个数：10当fpp的值改为为0.001，即降低误差率时，误判个数为0个。
误判个数：0分析结果可知，误判率确实跟我们传入的容错率差不多，而且在布隆过滤器中的元素都匹配到了。
源码分析
通过debug创建布隆过滤器的方法，当预计元素为10万个，fpp的值为0.01时，需要位数958505个，hash函数个数为7个。
当预计元素为10万个，fpp的值为0.001时，需要位数1437758个，hash函数个数为10个。
得出结论
容错率越大，所需空间和时间越小，容错率越小，所需空间和时间越大。
理论上存10万个数，一个int是4字节，即32位，需要320万位。如果使用HashMap存储，按HashMap50%的存储效率，需要640万位。而布隆过滤器即使容错率fpp为0.001，也才需要1437758位，可以看出BloomFilter的存储空间很小。
五 扩展知识点假如有一台服务器，内存只有4GB，磁盘上有2个大文件，文件A存储100亿个URL，文件B存储100亿个URL。请问如何模糊找出两个文件的URL交集？如何精致找出两个文件的URL交集。
模糊交集：
借助布隆过滤器思想，先将一个文件的URL通过hash函数映射到bit数组中，这样大大减少了内存存储，再读取另一个文件URL，去bit数组中进行匹配。
精致交集：
对大文件进行hash拆分成小文件，例如拆分成1000个小文件（如果服务器内存更小，则可以拆分更多个更小的文件），比如文件A拆分为A1，A2，A3...An，文件B拆分为B1，B2，B3...Bn。而且通过相同的hash函数，相同的URL一定被映射到相同下标的小文件中，例如A文件的被映射到A1中，那B文件的也一定被映射到B1文件中。最后再通过求相同下标的小文件（例如A1和B1）（A2和B2）的交集即可。
欢迎关注微信公众号：「Java之言」技术文章持续更新，请持续关注......