一:布隆过滤器：Bloom Filter是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。Bloom Filter的这种高效是有一定代价的：在判断一个元素是否属于某个集合时，有可能会把不属于这个集合的元素误认为属于这个集合（false positive）。因此，Bloom Filter不适合那些“零错误”的应用场合。而在能容忍低错误率的应用场合下，Bloom Filter通过极少的错误换取了存储空间的极大节省。
二：优势和劣势
1：优势：
①：仅仅保留数据的指纹信息，空间效率极高
②：信息安全性极高
③：查询效率极高，时间复杂度为O(N)
2：劣势 ：
①：存在一定的误判
②：删除数据困难
三：常用API总结：
引入Google的guava java API包，常用方法有：create(Funnel<? super T> funnel, int expectedInsertions, double fpp)； put(T object)； mightContain(T object) ；