布隆过滤器是一个判断集合中是否包含特定元素的算法。比如，判断一个英文单词是否在字典中（单词拼写检查）;黑名单检查等。也常用在搜索引擎中。布隆过滤器由一个很长的二进制向量和一系列随机映射函数组成。提供插入但不提供删除，但有用计数器代替bit位的变体提供删除操作。
以存储邮件地址为例： 假定存储一亿个电子邮件地址. 1. 先建立一个16 亿二进制常量，即两亿字节的向量，然后将这16 亿个二进制位全部设置为零。 2. 对于每一个电子邮件地址X，用8 个不同的随机数产生器(F1,F2, …, F8)产生8 个信息指纹(f1, f2, …, f8)。 3. 再用一个随机数产生器G 把这8 个信息指纹映射到1 到16 亿中的8 个自然数g1, g2, …, g8。 现在我们把这8 个位置的二进制位全部设置为1。当我们对这1 亿个E-mail 地址都进行这样的处理后。一个针对这些E-mail地址的布隆过滤器就建成了，如图所示
在检测一个电子邮件是否在黑名单采用如下步骤： 1. 用8 个随机数产生器(F1, F2, …, F8)对这个地址产生8 个信息指纹S1, S2, …, S8。 2. 将这8 个指纹对应到布隆过滤器的8 个二进制位，分别是T1, T2, …, T8。 如果Y 在黑名单中，显然，T1, T2, …, T8 对应的8 个二进制位一定是1。这种方法有一个缺点就是可能会出现误判。但这种情况概率非常小，并且可以用白名单的方法来补救。误判率与保存时占用的bit数负相关，见下表：
我在爬虫项目中用布隆过滤器保存已经访问过的URL。一个URL用8个指纹信息映射，布隆列表长32M，可以在2%的错误率下映射16K个URL。用java代码实现的时候分为两步： 1. 用BitSet类构建一个定长二进制表；类构建一个哈希数组（8个哈希函数）。 2. 定义插入和检查两个函数。
说明： BitSet是java.util中的一个类，大小可变，值为boolean类型。提供set、get、clean等操作。可以参考博文java中的BitSet学习进一步了解。 其实核心代码很短，下面是工程代码的一部分，所以略有冗长。
布隆过滤器java代码如下：
import java.util.BitSet; public class BloomFilter implements visitedFrontier { private static final int DEFAULT_SIZE=2<<24; private static final int[] seeds=new int[]{7,11,13,19,23,31,37,61}; private BitSet bits=new BitSet(DEFAULT_SIZE);//二进制列表32M private Hash[] func=new Hash[seeds.length]; //8个哈希函数 private static int size=0;//保存已经插入的元素个数 public BloomFilter(){ for(int i=0;i<seeds.length;i++) func[i]=new Hash(DEFAULT_SIZE,seeds[i]); } @Override public void put(Url url) { // TODO Auto-generated method stub if(url!=null) put(url.getOriUrl()); } @Override public void put(String value) { // TODO Auto-generated method stub size++; for(Hash h:func)//映射位置true bits.set(h.getHash(caculateUrl(value)), true); } @Override public boolean contains(Url url) { // TODO Auto-generated method stub return contains(url.getOriUrl()); } @Override public boolean contains(String value) { // TODO Auto-generated method stub if(value==null)return false; boolean ret=true; for(Hash h:func)//检测每一个映射到的bit位是否为true ret&=bits.get(h.getHash(caculateUrl(value))); return ret; } public static class Hash{ private int cap;//保证映射范围在BitSet内 private int seed; public Hash(int cap,int seed){ this.cap=cap; this.seed=seed; } public int getHash(String value) { int result=0; for(int i=0;i<value.length();i++){//没一位加权相加 result=seed*result+value.charAt(i); } return (cap-1)&result; } } private String caculateUrl(String url) { //将没一个url都映射为128个字节的十六进制数，因为有些url相似度很高 return MD5.getMD5(url); } public int size() { // TODO Auto-generated method stub return size; } public static void main(String[] args) { String value=new String("http://www.baidu.com"); BloomFilter filter=new BloomFilter(); System.out.println(filter.contains(value)); filter.put(value); System.out.println(filter.contains(value)); } } public interface visitedFrontier { public void put(Url url); public void put(String value); public boolean contains(Url url); public boolean contains(String value); }