什么是布隆过滤器（Bloom Filter）？以及布隆过滤器的详细说明。
布隆过滤器（Bloom Filter）：
是一种空间效率高、时间复杂度低的数据结构，用于判断一个元素是否属于一个集合。它通过使用多个哈希函数和位数组来实现快速的成员存在性检测，但有一定的误判率。
结构：
- 位数组（Bit Array）：布隆过滤器使用一个位数组，通常初始化为全0。位数组的长度取决于预期存放数据量和允许的误判率。
- 多个哈希函数（Hash Functions）：布隆过滤器需要选择多个不同的哈希函数，用于将输入的元素映射到位数组中的多个位置。
添加元素：
- 将要添加的元素经过多个哈希函数的计算，得到多个哈希值。
- 根据这些哈希值，在位数组中将对应的位置设为1。
查询元素：
- 将待查询的元素经过多个哈希函数的计算，得到多个哈希值。
- 检查这些哈希值对应的位数组位置是否都为1，若有任何一个位置为0，则可确定该元素不在集合中；若全部为1，则可能在集合中（存在一定的误判率）。
优点：
- 空间效率高：相比于传统的数据结构，布隆过滤器占用的空间较小。
- 查询速度快：由于布隆过滤器只涉及位运算，查询速度很快。
缺点：
- 误判率：存在一定的误判率，即可能判断元素属于集合但实际不属于。
- 无法删除元素：一旦元素被加入到布隆过滤器中，就无法从中删除。
应用场景：
- 网络爬虫中的URL去重
- 分布式系统中的缓存击穿/缓存雪崩问题的缓解
- 数据库查询前的快速预判