计数布隆过滤器针对超大计数场景是否存在优化版本？

背景 #

Bloom Clocks的核心设计基于支持逐计数器求和（counterwise sum）与逐计数器取并（counterwise max）的计数型布隆过滤器（Counting Bloom Filter），作为标量Lamport时钟与向量时钟的折中方案：

• 节点触发事件时，通过哈希算法定位部分计数器并执行递增操作
• 实际测试显示，16个计数器、每次递增3个的配置，在高并发（大量事件时间戳相近）场景下，可有效识别上千个因果无关的事件序列

现存瓶颈 #

在因果有序消息主题等实际业务场景中，若出现超过40亿个严格顺序的事件，计数型布隆过滤器必须使用64位计数器存储数值，这会导致空间占用大幅上升。

核心疑问 #

是否存在专门的概率型数据结构，能够在满足多重集合逐元素求和与逐元素取并操作的前提下，针对计数极大的场景实现空间占用的最小化？

内容的提问来源于stack exchange，提问作者saolof