Bit-map的基本思想就是用一個bit位來标記某個元素對應的Value,而Key即是該元素。由于采用了Bit為機關來存儲資料,是以在存儲空間方面,可以大大節省。(PS:劃重點 節省存儲空間)
假設有這樣一個需求:在20億個随機整數中找出某個數m是否存在其中,并假設32位作業系統,4G記憶體
在Java中,int占4位元組,1位元組=8位(1 byte = 8 bit)
如果每個數字用int存儲,那就是20億個int,因而占用的空間約為 (20000000004/1024/1024/1024)≈*7.45**G
如果按位存儲就不一樣了,20億個數就是20億位,占用空間約為 (2000000000/8/1024/1024/1024)≈0.2**33**G
高下立判,無需多言!
那麼,問題來了,如何表示一個數呢?
剛才說了,每一位表示一個數,0表示不存在,1表示存在,這正符合二進制
這樣我們可以很容易表示{1,2,4,6}這幾個數:
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5iZ5czMzUzNzM2MygjMwUDO4EWO0IGN4ETNxQzNzYWO48CX5d2bs92Yl1iclB3bsVmdlR2LcNWaw9CXt92Yu4GZjlGbh5yYjV3Lc9CX6MHc0RHaiojIsJye.png)
計算機記憶體配置設定的最小機關是位元組,也就是8位,那如果要表示{12,13,15}怎麼辦呢?
當然是在另一個8位上表示了:
這樣的話,好像變成一個二維數組了
1個int占32位,那麼我們隻需要申請一個int數組長度為 int tmp[1+N/32] 即可存儲,其中N表示要存儲的這些數中的最大值,于是乎:
tmp[0]:可以表示0~31
tmp[1]:可以表示32~63
tmp[2]:可以表示64~95
。。。
如此一來,給定任意整數M,那麼M/32就得到下标,M%32就知道它在此下标的哪個位置。
添加
這裡有個問題,我們怎麼把一個數放進去呢?例如,想把5這個數字放進去,怎麼做呢?
首先,5/32=0,5%32=5,也是說它應該在tmp[0]的第5個位置,那我們把1向左移動5位,然後按位或
這就相當于 86 | 32 = 118
86 | (1<<5) = 118
b[0] = b[0] | (1<<5)
也就是說,要想插入一個數,将1左移帶代表該數字的那一位,然後與原數進行按位或操作
化簡一下,就是 86 + (5/8) | (1<<(5%8))
是以,公式可以概括為:p + (i/8)|(1<<(i%8)) 其中,p表示現在的值,i表示待插入的數。
清除
以上是添加,那如果要清除該怎麼做呢?
還是上面的例子,假設我們要6移除,該怎麼做呢?
從圖上看,隻需将該數所在的位置為0即可
1左移6位,就到達6這個數字所代表的位,然後按位取反,最後與原數按位與,這樣就把該位置為0了
b[0] = b[0] & (~(1<<6))
b[0] = b[0] & (~(1<<(i%8)))
查找
前面我們也說了,每一位代表一個數字,1表示有(或者說存在),0表示無(或者說不存在)。通過把該為置為1或者0來達到添加和清除的小夥,那麼判斷一個數存不存在就是判斷該數所在的位是0還是1
假設,我們想知道3在不在,那麼隻需判斷 b[0] & (1<<3) 如果這個值是0,則不存在,如果是1,就表示存在。
2、Bitmap有什麼用
大量資料的快速排序、查找、去重。
快速排序
假設我們要對0-7内的5個元素(4,7,2,5,3)排序(這裡假設這些元素沒有重複),我們就可以采用Bit-map的方法來達到排序的目的。
要表示8個數,我們就隻需要8個Bit(1Bytes),首先我們開辟1Byte的空間,将這些空間的所有Bit位都置為0,然後将對應位置為1。
最後,周遊一遍Bit區域,将該位是一的位的編号輸出(2,3,4,5,7),這樣就達到了排序的目的,時間複雜度O(n)。
優點:
運算效率高,不需要進行比較和移位;
占用記憶體少,比如N=10000000;隻需占用記憶體為N/8=1250000Byte=1.25M
缺點:
所有的資料不能重複。即不可對重複的資料進行排序和查找。
隻有當資料比較密集時才有優勢
快速去重
20億個整數中找出不重複的整數的個數,記憶體不足以容納這20億個整數。
首先,根據“記憶體空間不足以容納這05億個整數”我們可以快速的聯想到Bit-map。下邊關鍵的問題就是怎麼設計我們的Bit-map來表示這20億個數字的狀态了。其實這個問題很簡單,一個數字的狀态隻有三種,分别為不存在,隻有一個,有重複。是以,我們隻需要2bits就可以對一個數字的狀态進行存儲了,假設我們設定一個數字不存在為00,存在一次01,存在兩次及其以上為11。那我們大概需要存儲空間2G左右。
接下來的任務就是把這20億個數字放進去(存儲),如果對應的狀态位為00,則将其變為01,表示存在一次;如果對應的狀态位為01,則将其變為11,表示已經有一個了,即出現多次;如果為11,則對應的狀态位保持不變,仍表示出現多次。
最後,統計狀态位為01的個數,就得到了不重複的數字個數,時間複雜度為O(n)。
快速查找
這就是我們前面所說的了,int數組中的一個元素是4位元組占32位,那麼除以32就知道元素的下标,對32求餘數(%32)就知道它在哪一位,如果該位是1,則表示存在。
小結&回顧
Bitmap主要用于快速檢索關鍵字狀态,通常要求關鍵字是一個連續的序列(或者關鍵字是一個連續序列中的大部分), 最基本的情況,使用1bit表示一個關鍵字的狀态(可标示兩種狀态),但根據需要也可以使用2bit(表示4種狀态),3bit(表示8種狀态)。
Bitmap的主要應用場合:表示連續(或接近連續,即大部分會出現)的關鍵字序列的狀态(狀态數/關鍵字個數 越小越好)。
32位機器上,對于一個整型數,比如int a=1 在記憶體中占32bit位,這是為了友善計算機的運算。但是對于某些應用場景而言,這屬于一種巨大的浪費,因為我們可以用對應的32bit位對應存儲十進制的0-31個數,而這就是Bit-map的基本思想。Bit-map算法利用這種思想處理大量資料的排序、查詢以及去重。
補充1
在數字沒有溢出的前提下,對于正數和負數,左移一位都相當于乘以2的1次方,左移n位就相當于乘以2的n次方,右移一位相當于除2,右移n位相當于除以2的n次方。
<< 左移,相當于乘以2的n次方,例如:1<<6 相當于1×64=64,3<<4 相當于3×16=48
>> 右移,相當于除以2的n次方,例如:64>>3 相當于64÷8=8
^ 異或,相當于求餘數,例如:48^32 相當于 48%32=16
補充2
不使用第三方變量,交換兩個變量的值
1 // 方式一
2 a = a + b;
3 b = a - b;
4 a = a - b;
5
6 // 方式二
7 a = a ^ b;
8 b = a ^ b;
9 a = a ^ b;
3、BitSet
BitSet實作了一個位向量,它可以根據需要增長。每一位都有一個布爾值。一個BitSet的位可以被非負整數索引(PS:意思就是每一位都可以表示一個非負整數)。可以查找、設定、清除某一位。通過邏輯運算符可以修改另一個BitSet的内容。預設情況下,所有的位都有一個預設值false。
可以看到,跟我們前面想的差不多。
用一個long數組來存儲,初始長度64,set值的時候首先右移6位(相當于除以64)計算在數組的什麼位置,然後更改狀态位
别的看不懂不要緊,看懂這兩句就夠了:
1 int wordIndex = wordIndex(bitIndex);
2 words[wordIndex] |= (1L << bitIndex);
4、Bloom Filters
Bloom filter 是一個資料結構,它可以用來判斷某個元素是否在集合内,具有運作快速,記憶體占用小的特點。
而高效插入和查詢的代價就是,Bloom Filter 是一個基于機率的資料結構:它隻能告訴我們一個元素絕對不在集合内或可能在集合内。
Bloom filter 的基礎資料結構是一個 比特向量(可了解為數組)。
主要應用于大規模資料下不需要精确過濾的場景,如檢查垃圾郵件位址,爬蟲URL位址去重,解決緩存穿透問題等
如果想判斷一個元素是不是在一個集合裡,一般想到的是将集合中所有元素儲存起來,然後通過比較确定。連結清單、樹、散清單(哈希表)等等資料結構都是這種思路,但是随着集合中元素的增加,需要的存儲空間越來越大;同時檢索速度也越來越慢,檢索時間複雜度分别是O(n)、O(log n)、O(1)。
布隆過濾器的原理是,當一個元素被加入集合時,通過 K 個散列函數将這個元素映射成一個位數組(Bit array)中的 K 個點,把它們置為 1 。檢索時,隻要看看這些點是不是都是1就知道元素是否在集合中;如果這些點有任何一個 0,則被檢元素一定不在;如果都是1,則被檢元素很可能在(之是以說“可能”是誤差的存在)。
BloomFilter 流程
首先需要 k 個 hash 函數,每個函數可以把 key 散列成為 1 個整數;
初始化時,需要一個長度為 n 比特的數組,每個比特位初始化為 0;
某個 key 加入集合時,用 k 個 hash 函數計算出 k 個散列值,并把數組中對應的比特位置為 1;
判斷某個 key 是否在集合時,用 k 個 hash 函數計算出 k 個散列值,并查詢數組中對應的比特位,如果所有的比特位都是1,認為在集合中。
1 <dependency>
2 <groupId>com.google.guava</groupId>
3 <artifactId>guava</artifactId>
4 <version>28.1-jre</version>
5 </dependenc