Filtros de Bloom: Uma Estrutura de Dados Probabilística para Membros de Conjunto Eficientes

Filtros de Bloom são estruturas de dados probabilísticas projetadas para testar a associação de conjuntos de forma rápida e eficiente em termos de memória. Eles usam múltiplas funções de hash para mapear elementos para bits em um vetor de bits. Se todos os bits correspondentes forem 1, o elemento *pode* estar presente; caso contrário, definitivamente está ausente. Embora propensos a falsos positivos, sua velocidade e eficiência de espaço os tornam ideais para conjuntos de dados grandes. Este artigo detalha os princípios do filtro de Bloom, a seleção da função de hash, o dimensionamento, as aplicações e exemplos de implementação em vários sistemas.