BloomFilter

简介

布隆过滤器（Bloom Filter）更适合用于黑名单场景，但具体适用性需结合其特性分析。以下是详细说明： 布隆过滤器的核心特性 空间高效：用极小的内存存储大量数据。

概率型结构：

• 假阳性（False Positive）：可能误判“不存在”的元素为“存在”。
• 无假阴性（False Negative）：若元素存在，则必然返回“存在”。
• 不可删除：标准布隆过滤器不支持删除操作（需用变体如计数布隆过滤器）。

白名单 vs 黑名单的适用性

场景	布隆过滤器的表现	适用性
黑名单	若元素被误判为“存在”（即在黑名单中），会导致合法请求被拒绝（假阳性）。	✅ 更合适
白名单	若元素被误判为“存在”（即在白名单中），会导致非法请求被放行（假阳性）。	❌ 风险较高

实现思路

• 使用bitarray存储位数据
• 使用MurmurHash算法进行哈希计算

相关资料

https://pypi.org/project/mmh3/
https://pypi.org/project/bitarray/

依赖

python3-devel