feat: 增加布隆过滤器

README.md

@@ -67,6 +67,7 @@ leetcode 题解，记录自己的 leecode 解题之路。
 - [binary-tree-traversal](./thinkings/binary-tree-traversal.md)
 - [dynamic-programming](./thinkings/dynamic-programming.md)
 - [哈夫曼编码和游程编码](./thinkings/run-length-encode-and-huffman-encode.md)
+- [布隆过滤器](./thinkings/bloom-filter.md)
 
 ### anki 卡片
 
@@ -82,6 +83,4 @@ TODO
 
 [React fiber]
 
-[一个非常简单，但是有效的算法 - 布隆过滤器]
 
-> 从这个算法可以对 tradeoff 有更入的理解。

thinkings/bloom-filter.md

@@ -0,0 +1,48 @@
+## 场景
+假设你现在要处理这样一个问题，你有一个网站并且拥有`很多`访客，每当有用户访问时，你想知道这个ip是不是第一次访问你的网站。
+
+### hashtable 可以么
+一个显而易见的答案是将所有的ip用hashtable存起来，每次访问都去hashtable中取，然后判断即可。但是题目说了网站有`很多`访客，
+假如有10亿个用户访问过，每个ip的长度是4 byte，那么你一共需要4 * 1000000000 = 4000000000Bytes = 4G , 如果是判断URL黑名单，
+由于每个URL会更长，那么需要的空间可能会远远大于你的期望。
+
+### bit
+另一个稍微难想到的解法是bit， 我们知道bit有0和1两种状态，那么用来表示存在，不存在再合适不过了。
+
+加入有10亿个ip，我们就可以用10亿个bit来存储，那么你一共需要 1 * 1000000000 = (4000000000 / 8) Bytes = 128M, 变为原来的1/32,
+如果是存储URL这种更长的字符串，效率会更高。 
+
+基于这种想法，我们只需要两个操作，set(ip) 和 has(ip)
+
+这样做有两个非常致命的缺点：
+
+1. 当样本分布极度不均匀的时候，会造成很大空间上的浪费
+
+> 我们可以通过散列函数来解决
+
+2. 当元素不是整型（比如URL）的时候，BitSet就不适用了
+
+> 我们还是可以使用散列函数来解决， 甚至可以多hash几次
+
+### 布隆过滤器
+
+布隆过滤器其实就是`bit + 多个散列函数`,  如果经过多次散列的值再bit上都为1，那么可能存在(可能有冲突)。 如果
+有一个不为1，那么一定不存在（一个值经过散列函数得到的值一定是唯一的），这也是布隆过滤器的一个重要特点。
+
+![bloom-filter-url](../assets/thinkings/bloom-filter-url.png)
+
+### 布隆过滤器的应用
+
+1. 网络爬虫
+判断某个URL是否已经被爬取过
+
+2. K-V数据库 判断某个key是否存在
+
+比如Hbase的每个Region中都包含一个BloomFilter，用于在查询时快速判断某个key在该region中是否存在。
+
+3. 钓鱼网站识别
+
+浏览器有时候会警告用户，访问的网站很可能是钓鱼网站，用的就是这种技术
+
+> 从这个算法大家可以对 tradeoff(取舍) 有更入的理解。
+