在数以亿计的数据中判断存不存在一个元素，用来解决缓存穿透。

“实际上就是个位数组，元素经过几个hash函数，分别把位数组对应位置设置为1。判断是否存在这个元素，直接去对应位置判断是不是1。”

布隆过滤器（Bloom Filter）是由布隆在1970年提出的。它实际上是一个很长的二进制向量（位图）和一系列随机映射函数（哈希函数）。

布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率而且删除困难。

下图就是一个经过了2次哈希函数得到的布隆过滤器，根据下图我们很容易看到：假如Redis这个字符串根本不存在，但是Redis经过2次哈希函数之后得到的两个位置已经是1了（一个是wolf通过f2得到，一个是Nosql通过f1得到，这就是发生了哈希碰撞，也是布隆过滤器可能存在误判的原因）。

所以通过上面的现象，我们从布隆过滤器的角度可以得出布隆过滤器主要有2大特点：

如果布隆过滤器判断一个元素存在，那么这个元素可能存在。

如果布隆过滤器判断一个元素不存在，那么这个元素一定不存在。

布隆过滤器的删除，传统布隆过滤器根据单个bit位来判断元素存在，当然不支持删除。

带计数器的布隆过滤器，最简单的实现：直接把bit换成byte就ok。

“实际上就是个字节数组，元素经过几个hash函数，分别把位数组对应位置+1，判断是否存在这个元素，直接去对应位置判断是不是大于1。删除某个元素就对应位置-1。”

throw new Exception("数组长度必须为2的幂，求余数用了与运算");