go标准库无布隆过滤器，可用github.com/yourbasic/bit等轻量包或原生[]byte实现；关键在控制误判率与内存，需合理预估容量n和误判率p、选用3–5个独立哈希函数，并避免单哈希取模等常见错误。
go 标准库不提供布隆过滤器，但用 gobitset 或原生 []byte + 多哈希就能在单机场景下高效实现，关键不是“造轮子”，而是控制误判率和内存开销。
用 github.com/yourbasic/bit 快速搭一个可用的布隆过滤器
这个包轻量、无依赖、支持位图操作，比自己手写哈希+位运算更可靠。它不叫“bloom”，但 BitSet 是布隆过滤器底层必需的数据结构。
- 安装：
go get github.com/yourbasic/bit - 初始化时预估容量
n和期望误判率p，算出最优位数组长度m = -n * ln(p) / (ln(2)^2)，再向上取整到 64 的倍数（BitSet内部按 uint64 对齐） - 选 3–5 个独立哈希函数：推荐用
hash/fnv配合不同种子，比如fnv.New32a()+hash.Write([]byte(key))，每次用不同 seed 重置 - 插入和查询都需对每个哈希值取模
m，再调用Set(uint64(index))或Has(uint64(index))
避免哈希碰撞导致误判率失控
单哈希 + 取模是常见错误，会大幅抬高实际误判率。布隆过滤器依赖多个近似独立的哈希输出，不是“哈希后 mod m”一次就完事。
- 别用
sha256.Sum256(key).Sum(nil)[0] % m这种单字节截断——信息损失太大，等效于弱哈希 - 推荐方案：用
hash/maphash（Go 1.19+）或fnv初始化多个带不同 seed 的实例，每个算完整 uint64 值，再& (m-1)（仅当m是 2 的幂时才安全）或% m - 如果
m不是 2 的幂，% m比位运算更公平，但稍慢；实测在m 时差异可忽略
内存敏感场景下手动管理 []byte 位操作
当需要极致控制内存（比如嵌入式或百万级 key 单机服务），绕过第三方包直接操作字节切片更透明，也方便 mmap 或复用缓冲区。
- 位索引计算：给定哈希值
h，位位置为pos = h % (len(bits) * 8)，字节索引byteIdx = pos / 8，位偏移bitIdx = pos % 8 - 设位：
bits[byteIdx] |= (1 ；查位：<code>(bits[byteIdx] & (1 - 注意：Go 中字节序不影响位操作，但别把
bitIdx写成7 - pos%8（那是 MSB 优先，1 默认是 LSB） - 扩容不可行——布隆过滤器必须初始化时定死大小；如需动态，得换 Cuckoo Filter 或分段 Bloom
真正难的不是写对逻辑，而是预估 n 和 p：线上跑着跑着发现误判率翻倍，八成是初始 n 低估了 30% 以上，或者哈希函数实际相关性比理论高。上线前一定用真实数据集做误判率采样。
