生日悖论是啥?我用它省了上百G的内存生日悖论 ： 是指在不少于 23 个人中至少有两人生日相同的概率大于 50% 。例如在一个 30 人的小学班级中，存在两人生日相同的概率为 70% 。对于 60 人的大班，这种概率要大于 99% 。
虽然从引起逻辑矛盾的角度看，这似乎不是一个悖论 ， 但在这个数学事实与一般直觉相冲突的意义上，它只能被称为悖论 。悖论内容 如果一个房间里有23个人或者更多，那么至少有两个人同一天生日的概率大于50% 。
黄油猫悖论：猫在半空中跳下，永远用脚着陆 。把黄油吐司抛到半空中，永远是涂上黄油的一面落地 。这个悖论出现在，你把黄油吐司没有涂上黄油的一面黏着猫的背部之时，让猫从半空中跳下 。
理发师悖论：1919年，罗素把他提出的集合论悖论通俗化如下：萨魏尔村有一位理发师 ， 他给自己订下一条规则：他只给村子里自己不给自己刮胡子的人刮胡子 。
． 理发师悖论（罗素悖论）：某村只有一人理发 ， 且该村的人都需要理发，理发师规定，给且只给村中不自己理发的人理发 。
世界上最难的数学题无人能解，数学是一门伟大的学科，对于逻辑思维能力不好的人来说，数学就是拦路虎，很多人都头疼，但数学也有很有趣的猜想 ， 下面分享世界上最难的数学题无人能解 。
BloomFilter详解(布隆过滤器)1、这说明了若想保持某固定误判率不变，布隆过滤器的bit数m与被add的元素数n应该是线性同步增加的 。三 如何设计bloomfilter 此概率为某bit位在插入n个元素后未被置位的概率 。
【redis中的布隆过滤器 redis布隆过滤器实现】2、应用时首先要先由用户决定添加的元素数 n 和期望的误差率 P 。这也是一个设计完整的布隆过滤器需要用户输入的仅有的两个参数，之后的所有参数将由系统计算，并由此建立布隆过滤器 。
3、布隆过滤器 （英语：Bloom Filter）是 1970 年由布隆提出的 。它实际上是一个很长的二进制向量和一系列随机映射函数 。主要用于判断一个元素是否在一个集合中 。
缓存穿透有哪些解决办法?如果非要用这种方式来解决穿透问题的话，尽量将无效的 key 的过期时间设置短一点比如 1 分钟 。另外，一般情况下我们是这样设计 key 的： 表名：列名：主键名：主键值 。
解决缓存穿透的方法有很多 ， 比如：布隆过滤器、黑名单过滤、击穿降级、互斥锁等等 。其中 ， 互斥锁是一种比较简单粗暴的方法，但是也是比较有效的方法之一 。
缓存穿透的原理缓存的正常使用如图：如图所示 ， 缓存的使用流程：先从缓存中取数据，如果能取到，则直接返回数据给用户 。这样不用访问数据库，减轻数据库的压力 。如果缓存中没有数据，就会访问数据库 。
解决方案：最简单的方法是如果一个查询返回的数据为空（不管是数据不存在，还是系统故障），我们就把这个空结果进行缓存 ， 但它的过期时间会很短，最长不超过五分钟 。一些不合法的参数请求直接抛出异常信息返回给客户端 。
缓存穿透是指查询的key不存在，从而缓存查询不到而查询了数据库 。解决方法：把所有存在的key都存到另外一个存储的Set集合里，查询时可以先查询key是否存在 。
预防和解决缓存穿透问题，可以考虑以下两种方法：缓存空对象： 将空值缓存起来，但是这样就有一个问题，大量无效的空值将占用空间 ， 非常浪费 。
布隆过滤器详解1、假设布隆过滤器中的hash function满足simple uniform hashing假设：每个元素都等概率地hash到m个slot中的任何一个，与其它元素被hash到哪个slot无关 。
2、布隆过滤器 （英语：Bloom Filter）是 1970 年由布隆提出的 。它实际上是一个很长的二进制向量和一系列随机映射函数 。主要用于判断一个元素是否在一个集合中 。
3、从上式中可以看出，当m增大或n减小时，都会使得误判率减?。?这也符合直觉 。现在计算对于给定的m和n ， k为何值时可以使得误判率最低 。
4、布隆过滤器是一种数据结构，概率型数据结构，特定是高效插入和查询，可以用来告诉你“某一值一定不存在或者kennel存在” 。相比于传统的map、set等数据结构，占用空间更少，但其返回结果是概率型的 ， 不确定 。
5、布隆过滤器（Bloom Filter）是1970年由[布隆]提出的 。它实际上是一个很长的[二进制]向量和一系列随机映射函数 。布隆过滤器可以用于检索一个元素是否在一个集合中 。
布隆过滤器使用布隆过滤器判断元素是否存在，是一种低空间成本的方式 。布隆过滤器是1970年由布隆提出的，它实际上是一个很长的二进制向量，和一系列随机映射函数 。
这说明了若想保持某固定误判率不变，则布隆过滤器的 位数 m 与添加的元素数 n 应该是线性同步增加的 。设计和应用布隆过滤器的方法 应用时首先要先由用户决定添加的元素数 n 和期望的误差率 P 。
布隆过滤器，主要需实现的目标是 ， 在指定的数据个数范围内，满足误判率在设定的范围内，误判率太高的话，无法起到过滤数据的情况，误判率不能为0 。
这说明了若想保持某固定误判率不变，布隆过滤器的bit数m与被add的元素数n应该是线性同步增加的 。三 如何设计bloomfilter 此概率为某bit位在插入n个元素后未被置位的概率 。
在讲解布隆过滤器原理之前先讲位图 。位图是bit类型的数组 。int类型4字节即32bit，所以长度100的int类型数组可以看出长度3200的bit数组 。
布隆过滤器（Bloom Filter）是1970年由布隆提出的 。它实际上是一个很长的二进制向量和一系列随机映射函数 。布隆过滤器可以用于检索一个元素是否在一个集合 。
Redis使用bitmap、zset、hash、list等结构完成骚操作?实现方式：Redis实现布隆过滤器——借鉴Guava的BF算法：SpringBootx中使用Redis的bitmap结构（工具类）注意：bitmap使用存在风险，若仅仅计算hash值，会导致bitmap占用空间过大 。一般需要对hash值进行取余处理 。
Redis支持的五种数据类型包括String、Hash、List、Set、Zset，其中，String类型的值可以是字符串、数字或二进制，但值最大不能超过512MB 。
操作中key理解为集合的名字四 zset（排序set）zset是set的一个升级版本，他在set的基础上增加了一个顺序属性 ， 这一属性在添加修改元素的时候可以指定，每次指定后 ， zset会自动重新按新的值调整顺序 。
推荐阅读
- 如何添加FTP服务器？ ftp服务器怎么加
- 如何确认服务器的生产年份？ 怎么查看服务器生产年份
- 如何在腾讯古剑奇谭中更换服务器？ 腾讯古剑奇谭怎么换服务器
- 如何使用匿名方式登录FTP服务器？ ftp服务器怎么匿名登录
- 如何查询服务器的生产日期？ 怎么查看服务器生产日期
- 如何应对腾讯服务器异常？ 腾讯回应服务器异常怎么办
- 如何正确卸载FTP服务器？ ftp服务器怎么卸载