原理：https://llimllib.github.io/bloomfilter-tutorial/zh_CN/
BloomFilter 是一个数据结构，可以判断某个元素是否在集合内，具有运行速度快，占用内存小的特点。
高效查询的代价是，BloomFilter 是一个基于概率的数据结构：它只能告诉你一个元素绝对不在集合内或者可能在集合内。
BloomFilter 的基础数据结构是一个比特向量
Bloom Filter 里的哈希函数是需要彼此独立且均匀分布，同时，也要尽可能快
目前代码里使用的并不是 bitarray实现的，第一版是用 int array 实现的，而且使用不同的哈希函数，也只是用函数列表的index做区分
在所有编程语言里都不能直接生明比特，只能声明字节，其实问题不大，可以用字节数字，也可以用整形数组，最好是用bit数组。
~~每个样本占一个bit，100亿样本，10^10 bit = 1.16GB，~~bloomfilter 可以高效判断一个数据是否在100亿的集合里，而且运行速度很快，内存占用也小。
如果一个个和数组中的元素判断，时间复杂度是O(N)，这在数据量很大的情况下，效率很低。而用 BloomFilter虽然有一定的误判率，但效率高很多了。
参考：
https://www.bilibili.com/video/BV16g4y1B7Mp
https://www.bilibili.com/video/BV1v54y1m7hC
TODO:
1、goroutine 写入bit数组，好像更慢了（可能是太多的协程创建和销毁更耗费时间了）
https://www.bilibili.com/video/BV1bJ411t7A8
2、把之前的数据存到Redis，加快启动速度？就是一个序列化的过程