布隆過濾器？
需求：
①、原本有10億個号碼，現在又來了10萬個号碼，要快速準确判斷這10萬個号碼是否在10億個号碼庫中？
解決辦法一：将10億個号碼存入資料庫中，進行資料庫查詢，準确性有了，但是速度會比較慢。
解決辦法二：将10億号碼放入記憶體中，比如Redis緩存中，這裡我們算一下占用記憶體大小：10億*8位元組=8GB，通過記憶體查詢，準确性和速度都有了，但是大約8gb的記憶體空間，挺浪費記憶體空間的。
②、接觸過爬蟲的，應該有這麼一個需求，需要爬蟲的網站千千萬萬，對于一個新的網站url，我們如何判斷這個url我們是否已經爬過了？
解決辦法還是上面的兩種，很顯然，都不太好。
③、同理還有垃圾郵箱的過濾
大資料量集合，如何準确快速的判斷某個資料是否在大資料量集合中，并且不占用記憶體。
布隆過濾器：一種資料結構，是由一串很長的二進制向量組成，可以将其看成一個二進制數組。既然是二進制，那麼裡面存放的不是0，就是1，但是初始預設值都是0。
将布隆過濾器看成一個容器，那麼如何向布隆過濾器中添加一個資料呢？數組是從0開始計數的，當要向布隆過濾器中添加一個元素key時，我們通過多個hash函數，算出一個值，然後将這個值所在的方格置為1。
判斷資料是否存在？将這個新的資料通過自定義的幾個哈希函數，分别算出各個值，然後看其對應的地方是否都是1，如果存在一個不是1的情況，那麼我們可以說，該新資料一定不