1，安装

https://redis.io 中的model中

#复制download ZIP的连接地址 ，通过wget执行
wget https://github.com/RedisBloom/RedisBloom/archive/refs/heads/master.zip

#解压后在目录(/root/RedisBloom-master)下make得到redisbloom.so
#把服务器停止
service redis_6379 stop

#redis-server --loadmodule /path/to/redisbloom.so #绝对路径
redis-server /etc/redis/6379.conf  --loadmodule /root/RedisBloom-master/redisbloom.so 

#会多了一些bf的命令，用tab切换查看
BF.MEXISTS  

2，原理

概率解决问题，减少99%的放行。
每个布隆过滤器对应到Redis的数据结构中就是一个大型的位数组和几个不同的无偏hash函数，无偏表示分布均匀。
添加key时，使用多个hash函数对key进行hash运算得到一个整数索引值，对位数组长度进行取模运算得到一个位置，每个hash函数都会得到一个不同的位置，将这几个位置都置1就完成了add操作。
查询同理，只要有一位是0就表示这个key不存在，但如果都是1，则不一定存在对应的key。

1，通过映射函数在bitmap上把元素标记，
2，因为是通过映射函数标记的元素内容，会被误标记；
3，是一种成本很低的能很大概率上减少放行（穿透）的解决办法。

3，缺点

1，不支持反向删除元素：一旦对位数组进行了赋值，无法将其删除。,
2，查询性能弱：布隆过滤器使用多个hash函数计算位图多个不同位点，由于多个位点在内存中不连续，CPU寻址花销较大。
3，空间利用率低。

4，缺点的解决方案

布谷鸟过滤器
多了删除元素，空间性能高于布隆
优点：
访问内存次数低；
Hash函数计算简单。
缺点：
内存空间不连续，CPU消耗大；
容易出现装填循环问题（数据量很大不能全部装载在内存中）；
删除数据时，Hash冲突会引起误删。
null key
布隆设置null key，直接返回

5，出现问题的情况和场景

（1）穿透却不存在
client ：增加了redis中的key,value标记

（2）数据库添加了元素
需要完成对bloom的添加（双写:数据库和布隆）