✅布隆过滤器无法删除的问题如何解决？
典型回答
布隆过滤器是无法删除元素的，因为布隆过滤器无法准确的判断一个元素是否一定存在，所以他也就无法准确的删除这个元素。
其实就是一个元素，会通过多个hash函数哈希后存储在不同的bit上，而一个bit上存的的如果是1的话，只能说明有元素哈希后的结果在这里，但是具体有几个是不知道的。而我们想要删除这个元素的话，我们即使算出他的bit有哪几个，也不知道是不是应该把他从1设置为0，因为完全这个bit有可能是存在hash冲突，有多个元素的。
那么如何解决这个问题呢？
定期重建
其实，这个问题无法解决，只能换个思路，大家试想一下，无法删除的话会有什么问题呢？
无法删除就会导致某个元素已经不存在了，但是查询结果还是可以查到。那如果在布隆过滤器中查到了，我们为了避免误判，还是会去数据库查一次。
也就是说，虽然我们无法删除元素，也不会影响最终的结果，因为判断命中之后还会做二次校验。只不过随着元素删除的越来越多，会导致误判率的上升，进而导致数据库的请求量变大罢了。
那么，一般业内的解决办法是定期重建，就是每隔一段时间，基于最新的数据重新构建一个布隆过滤器，然后把他切换一下即可。
比如基于Guava的布隆过滤器，我们就可以在应用启动的时候构建，这样每次重启就是一个新的了。或者通过定时任务去构建一个新的。至于构建出新的之后，如何切换呢？很简单，我们自己维护一个map，只需要创建好新的之后，把他放到map里，key还有之前的key就可以了，。下次用的时候再来map查询，就得到一个新的了。
计数布隆过滤器
既然布隆过滤器因为每一个bit上存储为1的时候，不知道有多少个元素hash后存在了这里，所以不能删除，那么可以考虑采用计数布隆过滤器。即将布隆过滤器的位数组中的每一个位（bit），扩展为一个计数器（counter）。通常使用 3-4 位的计数器（可表示 0-15）****。
- 添加元素：不再是将位设置为
1，而是将对应位置的计数器加 1。 - 查询元素：检查所有对应位置的计数器是否都大于 0。
- 删除元素：将要删除元素对应位置的计数器减 1。
有点就是可以解决无法删除问题，实现起来也挺简单的。但是缺点是原本 1 个 bit 的位置，现在需要 3-4 bits（开销是原来的 300%-400%），带来了额外的开销（但相比用其他数据结构，比如 Set 存储所有元素，它仍然非常节省空间）。还有就是如果计数器只有 4 位，最大只能表示 15。如果同一个位置被添加超过 15 次，计数器会绕回（溢出），所以需要权衡占用空间和溢出的问题。