Function
- 空间效率高的概率型数据结构，用来检查一个元素是否在一个集合中
- 对于一个元素检测是否存在的调用，BloomFilter会告诉调用者两个结果之一：可能存在或者一定不存在
Theory
BloomFilter通常采用bit array实现，假设其bit总数为m，初始化时m个bit都被置成0。
BloomFilter中插入一个元素，会使用k个hash函数，来计算出k个在bit array中的位置，然后，将bit array中这些位置的bit都置为1。
以一个例子，来说明添加的过程，这里，假设m=19，k=2，如下：
如上图，插入了两个元素，X和Y，X的两次hash取模后的值分别为4,9，因此，4和9位被置成1；Y的两次hash取模后的值分别为14和19，因此，14和19位被置成1。
BloomFilter中查找一个元素，会使用和插入过程中相同的k个hash函数，取模后，取出每个bit对应的值，如果所有bit都为1，则返回元素可能存在，否则，返回元素不存在。
请注意：为什么bit全部为1时，是表示元素可能存在呢？
还是以上图的例子说明
- 假如，要查找一个元素Z，其hash计算出来的位置为9,14，此时，BloomFilter认为此元素存在，但是，Z实际上是不存在的(因为这两个位置因为插入X 和 Y设置成1)，此现象称为false positive。
最后，BloomFilter中不允许有删除操作，因为删除后，可能会造成原来存在的元素返回不存在，这个是不允许的，还是以一个例子说明：
当删除X后，会把bit 4和9置成0，这同时会造成查询Z时，报不存在的问题，这对于BloomFilter来讲是不能容忍的，因为它要么返回绝对不存在，要么返回可能存在。
loomFilter中不允许删除的机制会导致其中的无效元素可能会越来越多，即实际已经删除的元素，但在bloomfilter中还认为可能存在，这会造成越来越多的false positive，在实际使用中，一般会废弃原来的BloomFilter，重新构建一个新的BloomFilter。