主要观点：

• 在 CIRCL 常将 bloom 过滤器用于某些用例，如为 Hashlookup 数据库提供缓存机制，最初使用 DCSO 的 bloom 项目，后重新用 Rust 实现为 Poppy。
• 回顾原代码时发现位索引生成算法类似 Lehmer 随机数生成器且 m 值特殊，进一步优化时发现按特定方式将 bit 集大小设为 2 的幂会使过滤器的实际假阳性概率大幅增加，还面临指数增长问题，因此决定转向新实现。
• 新实现为类似哈希表包含 Bloom 过滤器的结构，选择 0x8000 位（4096 字节）大小，利用 2 的幂优化和内存页大小优势，采用双哈希和 wyhash 哈希函数，还探索了其他优化，如调整表大小和预过滤位集。
• 经过基准测试，新实现在速度上约快 2 倍，对数据集增长更平稳，且有整合的 bench 命令方便用户选择最佳设置，还有其他改进如多线程创建过滤器等。
• 总结了关于 bloom 过滤器的经验教训，包括注意位索引生成算法和哈希函数，要进行充分测试，未来将扩展 Poppy 库并邀请外部贡献。

关键信息：

• CIRCL 常使用 bloom 过滤器，原用 DCSO 的 bloom 项目后改为 Poppy。
• 原代码位索引生成算法及 m 值特殊，优化时出现假阳性概率问题和指数增长问题。
• 新实现结构及相关参数选择，如 4096 字节大小、双哈希和 wyhash 等。
• 基准测试结果显示新实现速度快、对数据集增长平稳，还有其他改进。
• 总结经验教训，提及未来工作和相关项目。

重要细节：

• 原代码位索引生成算法中 m 理论上与被除数大小不同，值为 18446744073709551557，g 为 18446744073709550147，通过计算得出位索引。
• 优化时发现按 2 的幂设置 bit 集大小会使假阳性概率大幅增加，在原项目中已开 issue 跟踪。
• 新实现结构为哈希表包含 Bloom 过滤器，利用 2 的幂优化和内存页大小优势，位索引采用双哈希和 wyhash 哈希函数。
• 基准测试数据集大小在 10MB 到 7GB 之间，数据类型为 sha1 字符串，假阳性概率为 0.001，测试结果显示新实现速度快、对数据集增长更平稳，还有空间影响等方面的测试。
• 总结中提到要注意 bit 索引生成算法和哈希函数，未来将扩展 Poppy 库并邀请外部贡献，Poppy 项目由 NGSOTI 项目开发，该项目致力于培训 SOC 操作员等。