Jim Calabro 从布隆过滤器的基本盘讲起：它是一个概率数据结构，用来以「一定不在」或「可能在」回答「X 在不在这个集合里」，可以按可接受误判率挑选参数，内存远小于集合基数、计算极便宜，因此高频出现在高性能数据系统里。在 Bluesky 后端，布隆过滤器替他们挡掉了每秒数百万次对 Scylla 的查询——查 block、mute、label 时经常不用碰数据库就能回答「用户 X 是否屏蔽了用户 Y」，近期某些过滤器命中率约 1%，意味着 99% 的请求可以直接跳过数据库。传统做法是 k 个哈希函数；2008 年 Kirsch 与 Mitzenmacher 证明用 (hash_1 + i*hash_2) % n 推导第 i 个位置，效果等同 k 个独立哈希，于是有了双哈希实现（如 Lemire 维护的 bits-and-blooms/bloom）。他们踩过的真实坑是这个库非线程安全，加互斥锁后 pprof 显示锁竞争成了进程启动瓶颈，一次部署要 90 分钟才铺完；同事 Jasmine 用原子指令改写为 atomic-bloom，部署时间降到约 15 分钟。至于更进一步的单哈希方案（Lu 等人的论文）：把位数组切成 k 个两两互质的分区，一次哈希对各分区取模得到 k 个位置。对 Bluesky 而言并无收益（瓶颈是竞争，符合 Amdahl 定律），但作为技术探索仍然有趣。