布隆过滤器判断某值是否可能已插入集合，核心是用byte[]或long[]模拟位数组，配合多个哈希函数映射到位索引，添加时置对应位为1，查询时检查所有位是否均为1。

布隆过滤器不直接判断 Java 中的“变量是否存在”（如局部变量、字段名），它判断的是**某个具体值是否可能已插入过集合**。实现核心是用数组模拟位数组，配合多个哈希函数完成位映射与判定。

用普通数组模拟位数组

Java 没有原生 bit 数组类型，但可以用 byte[] 或 long[] 实现紧凑位存储：

• byte[]：每个 byte 存 8 位，下标 i 对应第 (i / 8) 个字节，位偏移为 i % 8
• long[]：更高效，每个 long 存 64 位，下标 i 对应第 (i >> 6) 个 long，位偏移为 i & 63
• 初始化时全部置 0（new byte[size] 默认为 0）

关键：多个独立哈希函数映射到位索引

对输入值（如 String、Integer）计算 k 个不同哈希值，并统一映射到 [0, m) 范围内：

• 推荐用 MurmurHash3、XXHash 或 Java 内置 Objects.hash() 配合不同 seed
• 避免简单取模导致分布不均：用 hash & (m - 1)（要求 m 是 2 的幂）或 Math.abs(hash) % m
• 例如 k=3 时，对字符串 "user123" 计算：h1 = hash(s, 1) % m、h2 = hash(s, 2) % m、h3 = hash(s, 3) % m

添加元素：把对应位设为 1

对每个哈希位置 index，在数组中定位并置位：

• 若用 long[] bits，执行：bits[index >> 6] |= (1L
• 确保所有 k 个位置都执行该操作，顺序无关
• 注意：同一位置多次置 1 无副作用

查询元素：检查所有 k 个位置是否全为 1

同样计算 k 个哈希位置，逐个读取对应位：

• 读取逻辑：(bits[index >> 6] & (1L
• 只要任一位置为 0，立即返回 false（确定不存在）
• 全部为 1 才返回 true（可能存在，有假阳性）
• 这个判定逻辑不可逆——布隆过滤器无法删除元素

实战示例：防缓存穿透校验

比如数据库查用户 ID，先过布隆过滤器快速拦截无效 ID：

• 预热阶段：将所有合法 user_id（如 1~1000 万）加入布隆过滤器
• 请求到达时，先 filter.mightContain("user_9999999")
• 返回 false → 直接拒绝，不查缓存也不查 DB
• 返回 true → 继续走缓存 → 缓存 miss 再查 DB → DB 无结果则写空对象（防穿透）