特点：高效、空间占用小、允许一定误判

布隆过滤器在 Redis 里的实现机制，核心就是：

1. 用一个大位图（bitmap）来表示集合
   位图长度 = m
   初始值都是 0
   插入元素时

2. 通过 k 个不同的哈希函数，对元素做哈希
   每个哈希结果 % m 得到一个索引位置
   用 SETBIT bitmap index 1 把这些位置标记为 1

3. 查询元素时
   同样计算 k 个哈希位置
   用 GETBIT bitmap index 检查这些位置是否都是 1
   如果有任何一个位置是 0 → 一定不存在
   如果全部是 1 → 可能存在（有误判风险）

🌍 常见使用场景

1. 网页爬虫的 URL 去重
   爬虫在抓取网页时，需要判断某个 URL 是否已经访问过。
   如果用哈希表存储所有 URL，内存消耗会非常大。
   使用布隆过滤器可以快速判断 URL 是否可能访问过，大幅减少存储开销。

2. 缓存穿透问题
   在缓存（如 Redis）+ 数据库架构中，如果用户频繁请求数据库中不存在的 key，会导致请求直接打到数据库（缓存穿透）。
   解决方案：在缓存前加一层布隆过滤器，快速判断 key 是否可能存在，不存在则直接拦截。

3. 黑名单/白名单过滤
   比如：垃圾邮件系统、恶意 IP 拦截、用户黑名单等。
   不需要存储所有黑名单，只需用布隆过滤器判断某个 IP/邮箱是否可能在名单中。

4. 数据库或存储系统加速
   HBase、LevelDB、RocksDB 都在内部使用布隆过滤器。
   用于快速判断某个 key 是否在某个文件或存储块中，避免不必要的磁盘 IO。

5. 推荐系统/广告系统去重
   例如：广告推荐时，需要判断某个用户是否已经看过某条广告。
   使用布隆过滤器可以快速判断，避免重复推荐。