应选用 github.com/yourbasic/bloom 库，因其轻量、API 干净、自动对齐位数组长度为 2 的幂次；高吞吐场景才考虑 github.com/AndreasBriese/bbloom。
选哪个库？直接用 github.com/yourbasic/bloom，别手写
自己实现 NewBloomFilter 看似只要几行位运算，但哈希一致性、位数组边界对齐、并发写入这三关根本过不了。轻则误判率翻倍，重则 goroutine 竞态崩溃或内存越界。生产环境必须用成熟库：github.com/yourbasic/bloom 最轻量、API 干净、自动拉齐位数组长度为 2 的幂次（避开慢的 % 运算）；高吞吐场景（如每秒百万级 Add）才考虑 github.com/AndreasBriese/bbloom，它支持哈希种子控制和字节池复用，GC 压力更低。
bloom.New(n, p) 两个参数怎么填才不翻车
n 是你「预估最大插入数」，不是当前数量；p 是你「能接受的误判率」，比如 0.001 表示千分之一。它们直接决定内存用量和可靠性：
-
n填小了：后期插入超限，误判率会指数级飙升，远超你设的p -
n填大了：内存浪费，但至少行为可控；比如爬虫每天新增 500 万 URL，计划撑 3 天，n至少设为20_000_000 -
p每降一档（如从0.01→0.001），位数组大小几乎翻倍；p=1e-6让 1 亿条目的内存从 ~12MB 涨到 200MB+ - 典型参考：
bloom.New(10_000_000, 0.01)（爬虫去重）、bloom.New(10_000_000, 0.001)（风控拦截）、bloom.New(1000, 0.0001)（设备白名单）
并发 Add() 必须加锁，Test() 可以无锁
bloom.Filter 底层是 []byte，多个 goroutine 同时调 Add() 会竞态写同一位——比如两个协程都算出位置 1234，都执行 bits[1234/8] |= 1，但该操作非原子，结果就是某次置位被覆盖，该 bit 永远为 0。现象是：明明 Add 过的 key，Test() 返回 false；或压测时误判率忽高忽低，飘到 5%。
- 正确做法：包一层
sync.RWMutex，Add()用Lock()，Test()用RUnlock() - 别用
sync.Mutex全局锁——Test()是高频只读，没必要阻塞 -
Test()天然无锁：只读 bit，且 byte 读取本身是原子的 - 如果真需要无锁写入，得换布谷鸟过滤器（cuckoo filter），但 Go 生态成熟度低得多，不推荐生产用
Test() 返回 true 后必须查真实存储
布隆过滤器只回答「可能存在」或「一定不存在」，它本身不存原始数据，也不提供精确判断能力。跳过二次校验等于默认接受误判。
- 典型链路是：
Test()→false就放行；Test()→true则查 Redis 或 DB，存在才返回，不存在再回源并写入缓存 - 常见错误：在风控场景里，
Test()为true就直接拦截请求，结果把新用户当成老用户拒掉——这不是布隆错了，是你没兜住逻辑 - 千万别在
Test()为true时顺手再Add()一次——布隆不负责，也解决不了问题
实际部署时最容易被忽略的是哈希输入的一致性：传入结构体或 map 直接哈希，字段顺序、padding、指针地址都不稳定；fmt.Sprintf("%v", x) 依赖 Go 版本和字段顺序；字符串要注意大小写、空格、斜杠结尾等是否提前归一化。统一用 json.Marshal 或 gob.Encode 序列化成确定性字节切片，再喂给 Add/Test。
golang免费学习笔记（深入）：立即使用
在学习笔记中，你将探索golang的核心概念和高级技巧！
