特點：高效、空間占用小、允許一定誤判

布隆過濾器在 Redis 里的實現機制，核心就是：

1. 用一個大位圖（bitmap）來表示集合
   位圖長度 = m
   初始值都是 0
   插入元素時

2. 通過 k 個不同的哈希函數，對元素做哈希
   每個哈希結果 % m 得到一個索引位置
   用 SETBIT bitmap index 1 把這些位置標記為 1

3. 查詢元素時
   同樣計算 k 個哈希位置
   用 GETBIT bitmap index 檢查這些位置是否都是 1
   如果有任何一個位置是 0 → 一定不存在
   如果全部是 1 → 可能存在（有誤判風險）

🌍 常見使用場景

1. 網頁爬蟲的 URL 去重
   爬蟲在抓取網頁時，需要判斷某個 URL 是否已經訪問過。
   如果用哈希表存儲所有 URL，內存消耗會非常大。
   使用布隆過濾器可以快速判斷 URL 是否可能訪問過，大幅減少存儲開銷。

2. 緩存穿透問題
   在緩存（如 Redis）+ 數據庫架構中，如果用戶頻繁請求數據庫中不存在的 key，會導致請求直接打到數據庫（緩存穿透）。
   解決方案：在緩存前加一層布隆過濾器，快速判斷 key 是否可能存在，不存在則直接攔截。

3. 黑名單/白名單過濾
   比如：垃圾郵件系統、惡意 IP 攔截、用戶黑名單等。
   不需要存儲所有黑名單，只需用布隆過濾器判斷某個 IP/郵箱是否可能在名單中。

4. 數據庫或存儲系統加速
   HBase、LevelDB、RocksDB 都在內部使用布隆過濾器。
   用于快速判斷某個 key 是否在某個文件或存儲塊中，避免不必要的磁盤 IO。

5. 推薦系統/廣告系統去重
   例如：廣告推薦時，需要判斷某個用戶是否已經看過某條廣告。
   使用布隆過濾器可以快速判斷，避免重復推薦。