bloom filter todo

Author: CatCodeMe

src/content/blog/coding/bloom_filter.mdx

@@ -15,6 +15,38 @@ heroImage:
     color: '#047677'
 ---
 
+> [!quote] Bloom Filter 简介
+> 布隆过滤器(Bloom Filter)是一种开创性的概率型数据结构,其核心价值在于提供了一种在空间和时间上都极具效率的近似集合成员关系测试方法。
+> 自问世以来，它已成为处理大规模数据集时不可或缺的工具。本文旨在深入探讨布隆过滤器的原理、实现方式以及在实际应用中的优势和局限性。
 
+# 第一节：起源与核心原理
 
+## 历史背景与设计动机
+布隆过滤器由伯顿·霍华德·布隆（Burton Howard Bloom） 于1970年在他发表的里程碑式论文《Space/Time Trade-offs in Hash Coding with Allowable Errors》中首次提出 。
+其最初的设计动机源于一个非常实际的问题：在当时的计算环境中，**磁盘访问速度极其缓慢，而内存资源又极为宝贵**。布隆需要一种方法来减少对磁盘的昂贵访问，尤其是在那些绝大多数查询都是针对不存在的元素的场景中。他的解决方案是创建一个小型的、可存放于内存的“预过滤器”，该过滤器能够明确地拒绝那些肯定不存在于集合中的元素，从而避免了不必要的磁盘I/O操作。
+这一背景至关重要，因为它从一开始就将布隆过滤器定位为一个拒绝过滤器（rejection filter）。
+其最初的影响是显著的：例如，一个仅占用理想无错哈希所需空间18%的布隆过滤器，便能消除87%的不必要磁盘访问 。   
 
+## 布隆过滤器的结构剖析
+一个标准的布隆过滤器由两个核心组件构成：
+
+组件一：位数组（Bit Array, m）：这是数据结构的主体，一个长度为 m 位的数组，所有位在初始化时均被置为0 。   
+
+组件二：哈希函数（Hash Functions, k）：一组 k 个独立的、能产生均匀分布结果的哈希函数。每个哈希函数负责将输入元素映射到位数组中的一个位置 。   
+
+其基本操作如下：
+
+操作一：add(item)：当一个元素被添加到过滤器中时，该元素会被输入到 k 个哈希函数中，产生 k 个数组索引。位数组在这些索引位置上的位将被设置为1 。   
+
+操作二：query(item)：当查询一个元素是否存在时，该元素同样被输入到这 k 个哈希函数中，得到 k 个索引。随后检查位数组在这些索引位置上的值。如果任意一个位置的位是0，那么该元素绝对不在集合中。如果所有位置的位都是1，那么该元素可能在集合中 。   
+
+1.3. 概率性保证：错误类型的解构
+无假阴性（No False Negatives）：这是布隆过滤器最关键的保证。如果一个元素被添加过，那么它对应的所有位都必然是1。因此，当一次查询因为检查到0而返回false时，这个结果是100%准确的 。这一特性即使在过滤器完全饱和（所有位都为1）的情况下依然成立 。   
+
+假阳性的本质（The Nature of False Positives）：查询操作可能对一个从未被添加过的元素返回true。这种情况的发生，是因为该元素对应的 k 个位被其他先前插入的元素“意外地”全部设置成了1 。这并非一个程序缺陷，而是为实现极致空间效率所付出的根本性代价 。   
+
+删除操作的不可行性：标准布隆过滤器不支持删除操作。原因在于，为一个元素清除某一位（从1置为0）可能会无意中“删除”另一个也映射到该位的元素，从而引入了产生假阴性的风险，这会破坏其核心保证 。   
+
+这种设计的核心思想可以被理解为一种非对称确定性。它为负面结果（“不在集合中”）提供了绝对的确定性，而为正面结果（“在集合中”）只提供概率性的确定性。add操作是幂等的、单调的（位只能从0变为1）。query逻辑的关键在于寻找0。在一个哈希位置上发现一个0，是该元素未被添加过的无可辩驳的证据。相反，所有哈希位置上都是1则是一种模糊的证据，它可能是因为该元素被添加过，也可能是多个其他元素哈希碰撞的结果。
+
+这种非对称性直接导向了其最主要的应用场景：作为负向缓存（negative cache）或拒绝加速器（rejection accelerator）。正如布隆在其原始论文中所述，它在绝大多数查询都针对不存在于集合中的元素的场景下最为有效 。这使得系统可以为最常见的情况（负向路径）避免执行昂贵的下游操作。这也解释了为何一个允许“出错”的数据结构能被如此广泛地应用。它的“错误”（假阳性）对于许多应用来说是“安全”的——它最多导致一次不必要的昂贵检查，但绝不会让你错过一个真实存在的元素 。这使其与那些允许假阴性的数据结构有着本质区别，后者在大多数常见应用中是无用的