Redis 布隆过滤器误判率超标？Hash 函数数量动态计算与容量预估公式 大家好，今天我们来聊聊 Redis 布隆过滤器，特别是关于其误判率超标的问题，以及如何通过动态计算 Hash 函数数量和容量预估公式来优化它。 一、布隆过滤器简介 布隆过滤器（Bloom Filter）是一种空间效率极高的概率型数据结构，用于判断一个元素是否存在于一个集合中。它可能会误判，也就是说，它可能会告诉你一个元素存在，但实际上它可能不存在。但是，它不会漏判，也就是说，如果它告诉你一个元素不存在，那么它肯定不存在。 工作原理： 位数组： 布隆过滤器使用一个位数组（bit array）来存储信息，初始状态下所有位都为 0。 Hash 函数： 使用 k 个独立的 Hash 函数，将每个元素映射到位数组中的 k 个位置。 添加元素： 添加元素时，计算该元素的 k 个 Hash 值，并将位数组中对应的 k 个位置设置为 1。 查询元素： 查询元素时，计算该元素的 k 个 Hash 值，并检查位数组中对应的 k 个位置是否都为 1。如果都为 1，则认为该元素可能存在；否则，认为该元素肯定不存在。 优点： 空间效率高 …