使用布隆过滤器的优点

### 布隆过滤器的优点

#### 高效的时间复杂度
增加和查询元素的时间复杂度为 O(K)，其中 K 是哈希函数的数量，通常较小。这意味着操作速度非常快，并且不受数据量的影响[^2]。

#### 节省空间
布隆过滤器不需要存储元素本身，仅需记录位数组中的位置。这种特性使得其占用的空间远小于传统数据结构如哈希表或列表，尤其适用于大规模数据集的处理需求[^3]。

#### 支持隐私保护
由于不保存原始数据项的具体信息，而只是基于哈希后的索引进行标记，因此对于那些重视信息安全的应用环境来说具有明显优势[^1]。

#### 可扩展性和灵活性
当面对海量数据时，即使无法容纳整个集合也能有效工作；另外，相同配置下的多个实例还可以执行逻辑上的交、并、差等运算。

from bitarray import bitarray
import mmh3

class BloomFilter(object):

    def __init__(self, size=500000, hash_num=7):
        self.size = size
        self.hash_num = hash_num
        self.bit_array = bitarray(size)
        self.bit_array.setall(0)

    def add(self, item):
        for seed in range(self.hash_num):
            result = mmh3.hash(item, seed) % self.size
            self.bit_array[result] = 1
            
    def lookup(self, item):
        for seed in range(self.hash_num):
            result = mmh3.hash(item, seed) % self.size
            if not self.bit_array[result]:
                return "Definitely not present"
        return "Probably present"

bf = BloomFilter()
bf.add('hello')
print(bf.lookup('hello'))  # Probably present
print(bf.lookup('world'))  # Definitely not present