Translate Bloom filter into Russian. (#320)

src/data-structures/bloom-filter/README.md

@@ -1,5 +1,8 @@
 # Bloom Filter
 
+_Read this in other languages:_
+[_Русский_](README.ru-RU.md)
+
 A **bloom filter** is a space-efficient probabilistic 
 data structure designed to test whether an element 
 is present in a set. It is designed to be blazingly 

src/data-structures/bloom-filter/README.ru-RU.md

@@ -0,0 +1,56 @@
+# Фильтр Блума
+
+**Фильтр Блума** - это пространственно-эффективная вероятностная структура данных, созданная для проверки наличия элемента
+в множестве. Он спроектирован невероятно быстрым при минимальном использовании памяти ценой потенциальных ложных срабатываний.
+Существует возможность получить ложноположительное срабатывание (элемента в множестве нет, но структура данных сообщает,
+что он есть), но не ложноотрицательное. Другими словами, очередь возвращает или "возможно в наборе", или "определённо не
+в наборе". Фильтр Блума может использовать любой объём памяти, однако чем он больше, тем меньше вероятность ложного
+срабатывания. 
+
+Блум предложил эту технику для применения в областях, где количество исходных данных потребовало бы непрактично много 
+памяти, в случае применения условно безошибочных техник хеширования.
+
+## Описание алгоритма
+
+Пустой фильтр Блума представлен битовым массивом из `m` битов, все биты которого обнулены. Должно быть определено `k`
+независимых хеш-функций, отображающих каждый элемент множества в одну из `m` позиций в массиве, генерируя единообразное
+случайное распределение. Обычно `k` задана константой, которая много меньше `m` и пропорциональна
+количеству добавляемых элементов; точный выбор `k` и постоянной пропорциональности `m` определяются уровнем ложных
+срабатываний фильтра.
+
+Вот пример Блум фильтра, представляющего набор `{x, y, z}`. Цветные стрелки показывают позиции в битовом массиве,
+которым привязан каждый элемент набора. Элемент `w` не в набора `{x, y, z}`, потому что он привязан к позиции в битовом
+массиве, равной `0`. Для этой формы , `m = 18`, а `k = 3`.
+
+
+Фильтр Блума представляет собой битовый массив из `m` бит. Изначально, когда структура данных хранит пустое множество, все
+`m` бит обнулены. Пользователь должен определить `k` независимых хеш-функций `h1`, …, `hk`,
+отображающих каждый элемент в одну из `m` позиций битового массива достаточно равномерным образом.
+
+Для добавления элемента e необходимо записать единицы на каждую из позиций `h1(e)`, …, `hk(e)`
+битового массива.
+
+Для проверки принадлежности элемента `e` к множеству хранимых элементов, необходимо проверить состояние битов
+`h1(e)`, …, `hk(e)`. Если хотя бы один из них равен нулю, элемент не может принадлежать множеству
+(иначе бы при его добавлении все эти биты были установлены). Если все они равны единице, то структура данных сообщает,
+что `е` принадлежит множеству. При этом может возникнуть две ситуации: либо элемент действительно принадлежит множеству,
+либо все эти биты оказались установлены по случайности при добавлении других элементов, что и является источником ложных
+срабатываний в этой структуре данных.
+
+![Фильтр Блума](https://upload.wikimedia.org/wikipedia/commons/a/ac/Bloom_filter.svg)
+
+## Применения
+
+Фильтр Блума может быть использован для блогов. Если цель состоит в том, чтобы показать читателям только те статьи,
+которые они ещё не видели, фильтр блума идеален. Он может содержать хешированные значения, соответствующие статье. После
+того, как пользователь прочитал несколько статей, они могут быть помещены в фильтр. В следующий раз, когда пользователь
+посетит сайт, эти статьи могут быть убраны из результатов с помощью фильтра.
+
+Некоторые статьи неизбежно будут отфильтрованы по ошибке, но цена приемлема. То, что пользователь не увидит несколько
+статей в полне приемлемо, принимая во внимание тот факт, что ему всегда показываются другие новые статьи при каждом
+новом посещении.
+
+## Ссылки
+
+- [Wikipedia](https://ru.wikipedia.org/wiki/%D0%A4%D0%B8%D0%BB%D1%8C%D1%82%D1%80_%D0%91%D0%BB%D1%83%D0%BC%D0%B0)
+- [Фильтр Блума на Хабре](https://habr.com/ru/post/112069/)