Digite para filtrar os verbetes do Glossário.

    Banco de dados · Vibe Coding: Do Zero ao MVP

    O que é filtro de Bloom?

    O filtro de Bloom usa bits e funções de hash para testar a presença de itens. Ele pode identificar ausências, mas um resultado positivo exige confirmação.

    Também chamado de: Bloom filter

    StayCloudVPS Agêntica

    O mesmo ambiente do SetupVibe, agora numa VPS

    Os atalhos, o shell e as CLIs de IA que você já usa no computador rodam numa VPS da StayCloud com servidor no Brasil.

    Criar minha VPS na StayCloud

    Link de parceiro da Promovaweb.

    Black Friday até 30/11

    30%off

    nos 2 primeiros meses do plano mensal da VPS

    • Backup diário grátis para sempre
    • Servidores em São Paulo no datacenter da Ascenty
    • Datacenter Tier III manutenção sem parada
    • Acesso root com disco SSD NVMe
    • Réplica do backup em Ashburn, nos EUA

    O que o teste de presença informa

    O filtro de Bloom é uma estrutura probabilística que testa se um item pode pertencer a um conjunto usando uma representação compacta. No filtro clássico, um resultado negativo indica que o item não foi inserido. Um resultado positivo pode ser falso, por isso a aplicação precisa confirmar a presença quando uma resposta incorreta levaria ao descarte de uma entrada válida.

    Essa interpretação vale para o conjunto representado no filtro. Um registro acrescentado ao banco e ainda não incluído no filtro pode aparecer como ausente na consulta ao filtro. Você precisa manter essa representação atualizada antes de usá-la para evitar uma consulta ao banco.

    Bits compartilhados entre os itens

    O filtro clássico começa com uma sequência de bits em zero. As funções de hash transformam cada item em posições dessa sequência. A inserção marca essas posições com um. A consulta calcula novamente as posições e verifica os bits correspondentes, conforme a explicação do Redis.

    Um bit ainda em zero comprova que aquele item não passou pela inserção. Todos os bits em um indicam presença possível, porque outros itens podem ter marcado as mesmas posições. Essa sobreposição explica os falsos positivos e impede recuperar os valores originais a partir dos bits.

    Interpretar a resposta no Redis

    Como exemplo de consulta, BF.EXISTS conhecidos id-42 pergunta se o identificador id-42 pode pertencer ao filtro conhecidos. O comando exige uma instalação do Redis com suporte a filtros de Bloom. Pela documentação de BF.EXISTS, na forma numérica da resposta, 1 indica presença possível e 0 indica ausência. Uma chave inexistente também produz 0.

    Um serviço que verifica identificadores já cadastrados pode consultar a base completa após receber 1. Descartar a entrada apenas com esse retorno poderia eliminar um identificador novo por falso positivo. O retorno 0 só permite concluir algo sobre o banco quando o filtro existe e representa todos os registros relevantes.

    O dimensionamento combina a quantidade esperada de itens com a taxa de falsos positivos pretendida. Num filtro de tamanho fixo, acrescentar itens além do previsto aumenta a chance de sobreposição. Implementações escaláveis, como a do Redis, podem acrescentar filtros internos, consumindo mais memória para acompanhar o crescimento.

    Dúvidas frequentes

    Perguntas frequentes sobre filtro de Bloom

    O filtro permite listar os itens inseridos?
    O filtro de Bloom clássico guarda bits compartilhados entre as representações dos itens. Essa informação permite consultar presença provável, mas não reconstruir a lista dos valores originais.
    Posso remover um item apagando seus bits?
    No filtro clássico, os mesmos bits podem representar outros itens. Apagá-los pode gerar respostas negativas incorretas. A exclusão exige outra estrutura ou uma variante que ofereça suporte a ela.
    O que significa configurar uma taxa de falsos positivos de 1%?
    A taxa expressa a probabilidade pretendida de um item ausente receber uma resposta positiva, dentro das condições de dimensionamento. Não significa que exatamente 1% de todas as respostas positivas esteja errado.

    Para continuar

    Recursos relacionados

    Aplicação na formação

    Vibe Coding: Do Zero ao MVP

    Ao desenvolver a aplicação, você precisa interpretar os falsos positivos antes de usar o filtro para evitar consultas ou identificar entradas repetidas.

    Conhecer a formação
    Capa da Formação Vibe Coding do Zero ao MVP

    Fontes consultadas

    Referências deste verbete

    Este verbete ajudou você?

    Planos Promovaweb

    Tire seus projetos do papel

    O Plano Martech cobre automação e atendimento. O Plano IA Makers acrescenta desenvolvimento com IA, enquanto o Plano Founders trata de gestão de negócios. Todos são anuais.

    Plano Martech

    Para conectar automação, marketing e atendimento com infraestrutura própria.

    R$ 897

    R$ 597/ano

    • Grade de automação, atendimento, marketing e análise de indicadores
    • Instalador Exclusivo Promovaweb
    • n8n, Evolution API, Chatwoot e Mautic
    • Trilha DevOps incluída
    • Encontros ao vivo (terça e quinta)
    • Comunidade e acompanhamento
    Conhecer o plano

    Plano Founders

    Plano anual para fazer um projeto de tecnologia avançar, com 90 dias de mentoria intensiva. R$ 1.997 à vista ou até 10x de R$ 219 no cartão.

    R$ 1.997/ano

    • 12 meses de acesso ao Founders
    • 90 dias de mentoria intensiva, um encontro por dia útil
    • Dia de conteúdo (terça e quinta) e War Room (segunda, quarta e sexta)
    • Encontro semanal em grupo após a fase intensiva
    • Formação Vibe Coding incluída no plano anual
    • Consultoria individual de até duas horas (bônus)
    Conhecer o plano