Bloom Filter 是一种空间效率很高的概率数据结构，用于测试一个元素是否是一个集合的成员。它可能会错误地判断一个元素不存在于集合中（假阴性），但绝不会错误地判断一个元素存在于集合中（假阳性）。

使用本计算器，您可以输入预期的元素数量和期望的误报率，计算器将为您提供所需的最小位数和哈希函数数量，以构建满足这些条件的布隆过滤器。

输入参数：

• 元素数量 (n)：您打算向布隆过滤器中插入的元素总数。
• 期望误报率 (p)：您能接受的布隆过滤器误判元素不存在的概率。

计算结果：

• 所需位数 (m)：根据输入的元素数量和误报率计算出的布隆过滤器所需的最小位数。
• 所需哈希函数数量 (k)：为了达到期望的误报率，您需要使用的哈希函数数量。