布隆过滤器判断存在靠谱吗

折腾了好几天终于搞定了，核心其实不难，但有几个坑容易踩。把要点列出来，省得大家再走弯路。

先搞清楚原理

要理解布隆过滤器，先得搞清楚状态机与协议这个机制。直接看代码比看文字描述来得快：

def binary_search(arr: list, target: int) -> int:
    left, right = 0, len(arr) - 1
    comparisons = 0
    while left <= right:
        mid = (left + right) // 2
        comparisons += 1
        if arr[mid] == target:
            return mid, comparisons
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    return -1, comparisons

import random
data = sorted(random.sample(range(100000), 10000))
target = data[len(data) // 2]
idx, comps = binary_search(data, target)
print(f'找到索引: {idx}, 比较次数: {comps}, 理论log2(n): {len(data).bit_length()}')

实际怎么用

实际编码中，布隆过滤器的用法可以简化。下面是我在项目中用的写法，经过几轮迭代优化过：

class LRUCache:
    def __init__(self, capacity: int):
        self.capacity = capacity
        self.cache = {}
        self.order = []

    def get(self, key: str):
        if key in self.cache:
            self.order.remove(key)
            self.order.append(key)
            return self.cache[key]
        return -1

    def put(self, key: str, value):
        if key in self.cache:
            self.order.remove(key)
        elif len(self.cache) >= self.capacity:
            oldest = self.order.pop(0)
            del self.cache[oldest]
        self.cache[key] = value
        self.order.append(key)

cache = LRUCache(3)
pages = [1, 2, 3, 1, 4, 1, 5, 3]
hits, misses = 0, 0
for page in pages:
    if cache.get(page) != -1:
        hits += 1
    else:
        misses += 1
        cache.put(page, f'data_{page}')
print(f'命中率: {hits/(hits+misses)*100:.1f}%')

进阶一点的用法

进阶一点的话，布隆过滤器还有状态机与协议这个方向可以探索。原理不展开，直接看关键代码：

容易踩的坑

踩坑经验分享：布隆过滤器在状态机与协议方面有几个暗坑。最常见的是参数默认值不符合预期，其次是并发场景下的竞态条件。建议加上防御性检查。

写在最后

布隆过滤器这块先整理到这里。边界条件是最重要的部分，务必理解透彻。如果遇到问题，先检查配置和版本，大部分报错都是这两个原因。