布隆加点（Bloom Filter）是一种空间效率很高的随机数据结构，它利用位数组和哈希函数来实现对元素集合的高效存储和检索。布隆加点最早由布隆（Burton Howard Bloom）于1970年提出，后来由Andre Broder等人对其进行了发展和完善。
布隆加点的主要应用场景是判定一个元素是否属于一个集合。比如在搜索引擎中，我们常常需要判断一个URL是否已经被搜索过，这时候就可以使用布隆加点来避免重复搜索。布隆加点还可以用来过滤垃圾邮件、恶意网站等。
布隆加点的存储结构一般是一个位数组，每个位代表一个元素是否存在。当一个元素加入集合时，通过哈希函数将其映射到位数组的若干个位置上，并将这些位置的值设为1。当判断一个元素是否存在时，同样通过哈希函数将其映射到位数组的若干个位置上，如果所有位置的值都为1，则认为元素存在，否则认为元素不存在。显然，布隆加点可能会出现误判（即认为元素存在，但实际上不存在），但不会出现漏判（即认为元素不存在，但实际上存在）。
布隆加点的空间效率很高，因为它只需要存储一个位数组和若干个哈希函数，而不需要存储元素本身。当元素数量很大时，布隆加点可以节省很多存储空间。但是，布隆加点的查询效率并不是很高，因为它可能出现误判。为了降低误判率，布隆加点的位数组大小和哈希函数个数需要根据元素数量和误判率进行调整。
另外，布隆加点还有一个重要的性质，就是可以支持动态添加和删除元素。当一个元素被添加到集合中时，将其映射到位数组的若干个位置上，并将这些位置的值设为1。当一个元素被删除时，将其映射到位数组的若干个位置上，并将这些位置的值设为0。由于哈希函数是通过元素本身进行计算的，因此删除元素时需要保证元素已经存在于集合中。
总之，布隆加点是一种非常有用的数据结构，可以在很多场景中提高存储和查询的效率。但是，由于其本身存在误判率的问题，需要根据实际情况进行合理的应用和调整。