bit-map 详解

最新推荐文章于 2024-08-11 22:36:56 发布
最新推荐文章于 2024-08-11 22:36:56 发布
阅读量1k 收藏
点赞数
分类专栏： 数据结构与算法 大数据

《海量数据处理算法》

原文链接： http://blog.csdn.net/hguisu/article/details/7880288




1. Bit Map算法简介

         来自于《编程珠玑》。所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。

2、 Bit Map的基本思想

        我们先来看一个具体的例子，假设我们要对0-7内的5个元素(4,7,2,5,3)排序（这里假设这些元素没有重复）。那么我们就可以采用Bit-map的方法来达到排序的目的。要表示8个数，我们就只需要8个Bit（1Bytes），首先我们开辟1Byte的空间，将这些空间的所有Bit位都置为0，如下图：
                                                       


然后遍历这5个元素，首先第一个元素是4，那么就把4对应的位置为1（可以这样操作 p+(i/8)|(0x01<<(i%8)) 当然了这里的操作涉及到Big-ending和Little-ending的情况，这里默认为Big-ending）,因为是从零开始的，所以要把第五位置为一（如下图）：
 

                                                      


然后再处理第二个元素7，将第八位置为1,，接着再处理第三个元素，一直到最后处理完所有的元素，将相应的位置为1，这时候的内存的Bit位的状态如下： 
 

                                                    


然后我们现在遍历一遍Bit区域，将该位是一的位的编号输出（2，3，4，5，7），这样就达到了排序的目的。


优点：

1.运算效率高，不许进行比较和移位；

2.占用内存少，比如N=10000000；只需占用内存为N/8=1250000Byte=1.25M。 
缺点：

       所有的数据不能重复。即不可对重复的数据进行排序和查找。    


算法思想比较简单，但关键是如何确定十进制的数映射到二进制bit位的map图。


3、 Map映射表

假设需要排序或者查找的总数N=10000000，那么我们需要申请内存空间的大小为int a[1 + N/32]，其中：a[0]在内存中占32为可以对应十进制数0-31，依次类推： 
bitmap表为： 
a[0]--------->0-31 
a[1]--------->32-63 
a[2]--------->64-95 
a[3]--------->96-127 
.......... 
那么十进制数如何转换为对应的bit位，下面介绍用位移将十进制数转换为对应的bit位。 

3、 位移转换 

申请一个int一维数组，那么可以当作为列为32位的二维数组，

               |                           32位                                       |

int a[0]    |0000000000000000000000000000000000000|

int a[1]    |0000000000000000000000000000000000000|

………………

int a[N]   |0000000000000000000000000000000000000|

例如十进制0，对应在a[0]所占的bit为中的第一位： 00000000000000000000000000000001 
0-31：对应在a[0]中 
i =0                            00000000000000000000000000000000 
temp=0                     00000000000000000000000000000000 
answer=1                 00000000000000000000000000000001 


i =1                            00000000000000000000000000000001 
temp=1                     00000000000000000000000000000001 
answer=2                 00000000000000000000000000000010 


i =2                            00000000000000000000000000000010 
temp=2                     00000000000000000000000000000010 
answer=4                 00000000000000000000000000000100 


i =30                              00000000000000000000000000011110 
temp=30                       00000000000000000000000000011110 

answer=1073741824  01000000000000000000000000000000 


i =31                               00000000000000000000000000011111 
temp=31                         00000000000000000000000000011111 
answer=-2147483648 10000000000000000000000000000000 

32-63：对应在a[1]中 
i =32                            00000000000000000000000000100000 
temp=0                        00000000000000000000000000000000 
answer=1                    00000000000000000000000000000001 


i =33                            00000000000000000000000000100001 
temp=1                       00000000000000000000000000000001 
answer=2                    00000000000000000000000000000010 


i =34                            00000000000000000000000000100010 
temp=2                        00000000000000000000000000000010 
answer=4                    00000000000000000000000000000100 


i =61                              00000000000000000000000000111101 
temp=29                       00000000000000000000000000011101 
answer=536870912    00100000000000000000000000000000 


i =62                               00000000000000000000000000111110 
temp=30                        00000000000000000000000000011110 
answer=1073741824  01000000000000000000000000000000 


i =63                                00000000000000000000000000111111 
temp=31                         00000000000000000000000000011111 
answer=-2147483648  10000000000000000000000000000000

浅析上面的对应表，分三步： 
1.求十进制0-N对应在数组a中的下标： 
十进制0-31，对应在a[0]中，先由十进制数n转换为与32的余可转化为对应在数组a中的下标。比如n=24,那么 n/32=0，则24对应在数组a中的下标为0。又比如n=60,那么n/32=1，则60对应在数组a中的下标为1，同理可以计算0-N在数组a中的下标。 

2.求0-N对应0-31中的数： 

十进制0-31就对应0-31，而32-63则对应也是0-31，即给定一个数n可以通过模32求得对应0-31中的数。 

3.利用移位0-31使得对应32bit位为1. 

找到对应0-31的数为M, 左移M位：即2^M. 然后置1.


由此我们计算10000000个bit占用的空间：

1byte = 8bit

1kb = 1024byte

1mb = 1024kb

占用的空间为：10000000/8/1024/1024mb。

大概为1mb多一些。

3、 扩展 

        Bloom filter可以看做是对bit-map的扩展 


4、 Bit-Map的应用

      1）可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下。

       2）去重数据而达到压缩数据


5、 Bit-Map的具体实现

c语言实现：

  1. #define BITSPERWORD 32  
  2. #define SHIFT 5  
  3. #define MASK 0x1F  
  4. #define N 10000000  
  5.   
  6. int a[1 + N/BITSPERWORD];//申请内存的大小  
  7.   
  8.   
  9. //set 设置所在的bit位为1  
  10. void set(int i) {          
  11.     a[i>>SHIFT] |=  (1<<(i & MASK));   
  12. }  
  13. //clr 初始化所有的bit位为0  
  14. void clr(int i) {          
  15.     a[i>>SHIFT] &= ~(1<<(i & MASK));   
  16. }  
  17. //test 测试所在的bit为是否为1  
  18. int  test(int i){   
  19.     return a[i>>SHIFT] &   (1<<(i & MASK));   
  20. }  
  21.   
  22. int main()  
  23. {   int i;  
  24.     for (i = 0; i < N; i++)  
  25.         clr(i);    
  26.     while (scanf("%d", &i) != EOF)  
  27.         set(i);  
  28.     for (i = 0; i < N; i++)  
  29.         if (test(i))  
  30.             printf("%d\n", i);  
  31.     return 0;  
  32. }  


注明： 左移n位就是乘以2的n次方，右移n位就是除以2的n次方

解析本例中的void set(int i) {        a[i>>SHIFT] |=  (1<<(i & MASK)); }
1)  i>>SHIFT： 
其中SHIFT=5，即i右移5为，2^5=32,相当于i/32，即求出十进制i对应在数组a中的下标。比如i=20，通过i>>SHIFT=20>>5=0 可求得i=20的下标为0；

2)  i & MASK： 
其中MASK=0X1F,十六进制转化为十进制为31，二进制为0001 1111，i&（0001 1111）相当于保留i的后5位。 

比如i=23，二进制为：0001 0111，那么 
                         0001 0111 
                   &    0001 1111 = 0001 0111 十进制为：23 
比如i=83，二进制为：0000 0000 0101 0011，那么 
                          0000 0000 0101 0011 
                     &   0000 0000 0001 0000 = 0000 0000 0001 0011 十进制为：19 

i & MASK相当于i%32。 

3) 1<<(i & MASK) 
相当于把1左移 (i & MASK)位。 
比如(i & MASK)=20，那么i<<20就相当于： 
         0000 0000 0000 0000 0000 0000 0000 0001 << 20 
       =0000 0000 0001 0000 0000 0000 0000 0000 

注意上面 “|=”.

在博文：位运算符及其应用 提到过这样位运算应用：

 将int型变量a的第k位清0，即a=a&~(1<<k)
 将int型变量a的第k位置1， 即a=a|(1<<k)

这里的将  a[i/32] |= (1<<M)); 第M位置1 .


4) void set(int i) {        a[i>>SHIFT]  |=  (1<<(i & MASK)); }等价于：
  1. void set(int i)   
  2. {   
  3.    a[i/32] |= (1<<(i%32));   
  4. }  

即实现上面提到的三步：

1.求十进制0-N对应在数组a中的下标： n/32 

2.求0-N对应0-31中的数： N%32=M

3.利用移位0-31使得对应32bit位为1: 1<<M，并置1;

php实现是一样的：

  1. <?php    
  2.   error_reporting(E_ERROR);  
  3. define("MASK", 0x1f);//31    
  4. define("BITSPERWORD",32);     
  5. define("SHIFT",5);    
  6. define("MASK",0x1F);   
  7. define("N",1000);   
  8.   
  9.  $a = array();   
  10. //set 设置所在的bit位为1    
  11. function set($i) {     
  12.     global $a;         
  13.     $a[$i>>SHIFT] |=  (1<<($i & MASK));     
  14. }    
  15. //clr 初始化所有的bit位为0    
  16. function clr($i) {            
  17.     $a[$i>>SHIFT] &= ~(1<<($i & MASK));     
  18. }    
  19. //test 测试所在的bit为是否为1    
  20. function test($i){    
  21.     global $a;    
  22.     return $a[$i>>SHIFT] & (1<<($i & MASK));     
  23. }    
  24. $aa = array(1,2,3,31, 33,56,199,30,50);    
  25. while ($v =current($aa))  {  
  26.    set($v);   
  27.    if(!next($aa)) {  
  28.        break;  
  29.    }  
  30. }  
  31. foreach ($a as $key=>$v){  
  32.     echo $key,'=', decbin($v),"\r\n";  
  33. }  
然后我们打印结果：

0=11000000000000000000000000001110
1=1000001000000000000000010
6=10000000

32位表示，实际结果一目了然了，看看1,2,3,30,31, 33,50，56,199数据所在的具体位置：

       31    30                                                                                        3     2     1

                                                                                                     

0=    1     1    00       0000   0000   0000   0000    0000     0000   1     1   1  0

                          56                 50                                                33

                                                                                              
1=  0000     0001    0000   0100   0000    0000     0000    0010

                                                                               199

                                                                               
6=  0000  0000    0000   0000   0000    0000    1000    0000



【问题实例】

已知某个文件内包含一些电话号码，每个号码为8位数字，统计不同号码的个数。

8位最多99 999 999，大概需要99m个bit，大概10几m字节的内存即可。 （可以理解为从0-99 999 999的数字，每个数字对应一个Bit位，所以只需要99M个Bit==1.2MBytes，这样，就用了小小的1.2M左右的内存表示了所有的8位数的电话）


2)2.5亿个整数中找出不重复的整数的个数，内存空间不足以容纳这2.5亿个整数。 
将bit-map扩展一下，用2bit表示一个数即可，0表示未出现，1表示出现一次，2表示出现2次及以上，在遍历这些数的时候，如果对应位置的值是0，则将其置为1；如果是1，将其置为2；如果是2，则保持不变。或者我们不用2bit来进行表示，我们用两个bit-map即可模拟实现这个2bit-map，都是一样的道理。

实现：

  1. // TestWin32.cpp : Defines the entry point for the console application.  
  2. #include "stdafx.h"  
  3.   
  4. #include<memory.h>    
  5.   
  6. //用char数组存储2-Bitmap,不用考虑大小端内存的问题    
  7. unsigned char flags[1000]; //数组大小自定义     
  8. unsigned get_val(int idx)  {   
  9. //  |    8 bit  |  
  10. //  |00 00 00 00|  //映射3 2 1 0  
  11. //  |00 00 00 00|  //表示7 6 5 4  
  12. //  ……  
  13. //  |00 00 00 00|  
  14.   
  15.     int i = idx/4;  //一个char 表示4个数，  
  16.     int j = idx%4;    
  17.     unsigned ret = (flags[i]&(0x3<<(2*j)))>>(2*j);    
  18.     //0x3是0011 j的范围为0-3，因此0x3<<(2*j)范围为00000011到11000000 如idx=7 i=1 ,j=3 那么flags[1]&11000000, 得到的是|00 00 00 00|  
  19.     //表示7 6 5 4  
  20.    return ret;    
  21. }    
  22.         
  23. unsigned set_val(int idx, unsigned int val)  {    
  24.     int i = idx/4;    
  25.     int j = idx%4;    
  26.     unsigned tmp = (flags[i]&~((0x3<<(2*j))&0xff)) | (((val%4)<<(2*j))&0xff);    
  27.     flags[i] = tmp;    
  28.     return 0;    
  29. }    
  30. unsigned add_one(int idx)    
  31. {    
  32.     if (get_val(idx)>=2) {  //这一位置上已经出现过了？？  
  33.         return 1;    
  34.     }  else  {    
  35.         set_val(idx, get_val(idx)+1);    
  36.         return 0;    
  37.     }    
  38. }    
  39.         
  40. //只测试非负数的情况;    
  41. //假如考虑负数的话,需增加一个2-Bitmap数组.    
  42. int a[]={1, 3, 5, 7, 9, 1, 3, 5, 7, 1, 3, 5,1, 3, 1,10,2,4,6,8,0};    
  43.         
  44. int main()   {    
  45.     int i;    
  46.     memset(flags, 0, sizeof(flags));    
  47.             
  48.     printf("原数组为:");    
  49.     for(i=0;i < sizeof(a)/sizeof(int); ++i)  {    
  50.         printf("%d  ", a[i]);    
  51.         add_one(a[i]);    
  52.     }    
  53.     printf("\r\n");    
  54.         
  55.     printf("只出现过一次的数:");    
  56.     for(i=0;i < 100; ++i)  {    
  57.         if(get_val(i) == 1)    
  58.             printf("%d  ", i);    
  59.         }    
  60.     printf("\r\n");    
  61.       
  62.     return 0;    
  63. }  

海量数据处理算法原文链接： http://blog.csdn.net/hguisu/article/details/7880288





1. Bit Map算法简介

         来自于《编程珠玑》。所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。

2、 Bit Map的基本思想

        我们先来看一个具体的例子，假设我们要对0-7内的5个元素(4,7,2,5,3)排序（这里假设这些元素没有重复）。那么我们就可以采用Bit-map的方法来达到排序的目的。要表示8个数，我们就只需要8个Bit（1Bytes），首先我们开辟1Byte的空间，将这些空间的所有Bit位都置为0，如下图：
                                                       


然后遍历这5个元素，首先第一个元素是4，那么就把4对应的位置为1（可以这样操作 p+(i/8)|(0x01<<(i%8)) 当然了这里的操作涉及到Big-ending和Little-ending的情况，这里默认为Big-ending）,因为是从零开始的，所以要把第五位置为一（如下图）：
 

                                                      


然后再处理第二个元素7，将第八位置为1,，接着再处理第三个元素，一直到最后处理完所有的元素，将相应的位置为1，这时候的内存的Bit位的状态如下： 
 

                                                    


然后我们现在遍历一遍Bit区域，将该位是一的位的编号输出（2，3，4，5，7），这样就达到了排序的目的。


优点：

1.运算效率高，不许进行比较和移位；

2.占用内存少，比如N=10000000；只需占用内存为N/8=1250000Byte=1.25M。 
缺点：

       所有的数据不能重复。即不可对重复的数据进行排序和查找。    


算法思想比较简单，但关键是如何确定十进制的数映射到二进制bit位的map图。


3、 Map映射表

假设需要排序或者查找的总数N=10000000，那么我们需要申请内存空间的大小为int a[1 + N/32]，其中：a[0]在内存中占32为可以对应十进制数0-31，依次类推： 
bitmap表为： 
a[0]--------->0-31 
a[1]--------->32-63 
a[2]--------->64-95 
a[3]--------->96-127 
.......... 
那么十进制数如何转换为对应的bit位，下面介绍用位移将十进制数转换为对应的bit位。 

3、 位移转换 

申请一个int一维数组，那么可以当作为列为32位的二维数组，

               |                           32位                                       |

int a[0]    |0000000000000000000000000000000000000|

int a[1]    |0000000000000000000000000000000000000|

………………

int a[N]   |0000000000000000000000000000000000000|

例如十进制0，对应在a[0]所占的bit为中的第一位： 00000000000000000000000000000001 
0-31：对应在a[0]中 
i =0                            00000000000000000000000000000000 
temp=0                     00000000000000000000000000000000 
answer=1                 00000000000000000000000000000001 


i =1                            00000000000000000000000000000001 
temp=1                     00000000000000000000000000000001 
answer=2                 00000000000000000000000000000010 


i =2                            00000000000000000000000000000010 
temp=2                     00000000000000000000000000000010 
answer=4                 00000000000000000000000000000100 


i =30                              00000000000000000000000000011110 
temp=30                       00000000000000000000000000011110 

answer=1073741824  01000000000000000000000000000000 


i =31                               00000000000000000000000000011111 
temp=31                         00000000000000000000000000011111 
answer=-2147483648 10000000000000000000000000000000 

32-63：对应在a[1]中 
i =32                            00000000000000000000000000100000 
temp=0                        00000000000000000000000000000000 
answer=1                    00000000000000000000000000000001 


i =33                            00000000000000000000000000100001 
temp=1                       00000000000000000000000000000001 
answer=2                    00000000000000000000000000000010 


i =34                            00000000000000000000000000100010 
temp=2                        00000000000000000000000000000010 
answer=4                    00000000000000000000000000000100 


i =61                              00000000000000000000000000111101 
temp=29                       00000000000000000000000000011101 
answer=536870912    00100000000000000000000000000000 


i =62                               00000000000000000000000000111110 
temp=30                        00000000000000000000000000011110 
answer=1073741824  01000000000000000000000000000000 


i =63                                00000000000000000000000000111111 
temp=31                         00000000000000000000000000011111 
answer=-2147483648  10000000000000000000000000000000

浅析上面的对应表，分三步： 
1.求十进制0-N对应在数组a中的下标： 
十进制0-31，对应在a[0]中，先由十进制数n转换为与32的余可转化为对应在数组a中的下标。比如n=24,那么 n/32=0，则24对应在数组a中的下标为0。又比如n=60,那么n/32=1，则60对应在数组a中的下标为1，同理可以计算0-N在数组a中的下标。 

2.求0-N对应0-31中的数： 

十进制0-31就对应0-31，而32-63则对应也是0-31，即给定一个数n可以通过模32求得对应0-31中的数。 

3.利用移位0-31使得对应32bit位为1. 

找到对应0-31的数为M, 左移M位：即2^M. 然后置1.


由此我们计算10000000个bit占用的空间：

1byte = 8bit

1kb = 1024byte

1mb = 1024kb

占用的空间为：10000000/8/1024/1024mb。

大概为1mb多一些。

3、 扩展 

        Bloom filter可以看做是对bit-map的扩展 


4、 Bit-Map的应用

      1）可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下。

       2）去重数据而达到压缩数据


5、 Bit-Map的具体实现

c语言实现：

  1. #define BITSPERWORD 32  
  2. #define SHIFT 5  
  3. #define MASK 0x1F  
  4. #define N 10000000  
  5.   
  6. int a[1 + N/BITSPERWORD];//申请内存的大小  
  7.   
  8.   
  9. //set 设置所在的bit位为1  
  10. void set(int i) {          
  11.     a[i>>SHIFT] |=  (1<<(i & MASK));   
  12. }  
  13. //clr 初始化所有的bit位为0  
  14. void clr(int i) {          
  15.     a[i>>SHIFT] &= ~(1<<(i & MASK));   
  16. }  
  17. //test 测试所在的bit为是否为1  
  18. int  test(int i){   
  19.     return a[i>>SHIFT] &   (1<<(i & MASK));   
  20. }  
  21.   
  22. int main()  
  23. {   int i;  
  24.     for (i = 0; i < N; i++)  
  25.         clr(i);    
  26.     while (scanf("%d", &i) != EOF)  
  27.         set(i);  
  28.     for (i = 0; i < N; i++)  
  29.         if (test(i))  
  30.             printf("%d\n", i);  
  31.     return 0;  
  32. }  


注明： 左移n位就是乘以2的n次方，右移n位就是除以2的n次方

解析本例中的void set(int i) {        a[i>>SHIFT] |=  (1<<(i & MASK)); }
1)  i>>SHIFT： 
其中SHIFT=5，即i右移5为，2^5=32,相当于i/32，即求出十进制i对应在数组a中的下标。比如i=20，通过i>>SHIFT=20>>5=0 可求得i=20的下标为0；

2)  i & MASK： 
其中MASK=0X1F,十六进制转化为十进制为31，二进制为0001 1111，i&（0001 1111）相当于保留i的后5位。 

比如i=23，二进制为：0001 0111，那么 
                         0001 0111 
                   &    0001 1111 = 0001 0111 十进制为：23 
比如i=83，二进制为：0000 0000 0101 0011，那么 
                          0000 0000 0101 0011 
                     &   0000 0000 0001 0000 = 0000 0000 0001 0011 十进制为：19 

i & MASK相当于i%32。 

3) 1<<(i & MASK) 
相当于把1左移 (i & MASK)位。 
比如(i & MASK)=20，那么i<<20就相当于： 
         0000 0000 0000 0000 0000 0000 0000 0001 << 20 
       =0000 0000 0001 0000 0000 0000 0000 0000 

注意上面 “|=”.

在博文：位运算符及其应用 提到过这样位运算应用：

 将int型变量a的第k位清0，即a=a&~(1<<k)
 将int型变量a的第k位置1， 即a=a|(1<<k)

这里的将  a[i/32] |= (1<<M)); 第M位置1 .


4) void set(int i) {        a[i>>SHIFT]  |=  (1<<(i & MASK)); }等价于：
  1. void set(int i)   
  2. {   
  3.    a[i/32] |= (1<<(i%32));   
  4. }  

即实现上面提到的三步：

1.求十进制0-N对应在数组a中的下标： n/32 

2.求0-N对应0-31中的数： N%32=M

3.利用移位0-31使得对应32bit位为1: 1<<M，并置1;

php实现是一样的：

  1. <?php    
  2.   error_reporting(E_ERROR);  
  3. define("MASK", 0x1f);//31    
  4. define("BITSPERWORD",32);     
  5. define("SHIFT",5);    
  6. define("MASK",0x1F);   
  7. define("N",1000);   
  8.   
  9.  $a = array();   
  10. //set 设置所在的bit位为1    
  11. function set($i) {     
  12.     global $a;         
  13.     $a[$i>>SHIFT] |=  (1<<($i & MASK));     
  14. }    
  15. //clr 初始化所有的bit位为0    
  16. function clr($i) {            
  17.     $a[$i>>SHIFT] &= ~(1<<($i & MASK));     
  18. }    
  19. //test 测试所在的bit为是否为1    
  20. function test($i){    
  21.     global $a;    
  22.     return $a[$i>>SHIFT] & (1<<($i & MASK));     
  23. }    
  24. $aa = array(1,2,3,31, 33,56,199,30,50);    
  25. while ($v =current($aa))  {  
  26.    set($v);   
  27.    if(!next($aa)) {  
  28.        break;  
  29.    }  
  30. }  
  31. foreach ($a as $key=>$v){  
  32.     echo $key,'=', decbin($v),"\r\n";  
  33. }  
然后我们打印结果：

0=11000000000000000000000000001110
1=1000001000000000000000010
6=10000000

32位表示，实际结果一目了然了，看看1,2,3,30,31, 33,50，56,199数据所在的具体位置：

       31    30                                                                                        3     2     1

                                                                                                     

0=    1     1    00       0000   0000   0000   0000    0000     0000   1     1   1  0

                          56                 50                                                33

                                                                                              
1=  0000     0001    0000   0100   0000    0000     0000    0010

                                                                               199

                                                                               
6=  0000  0000    0000   0000   0000    0000    1000    0000



【问题实例】

已知某个文件内包含一些电话号码，每个号码为8位数字，统计不同号码的个数。

8位最多99 999 999，大概需要99m个bit，大概10几m字节的内存即可。 （可以理解为从0-99 999 999的数字，每个数字对应一个Bit位，所以只需要99M个Bit==1.2MBytes，这样，就用了小小的1.2M左右的内存表示了所有的8位数的电话）


2)2.5亿个整数中找出不重复的整数的个数，内存空间不足以容纳这2.5亿个整数。 
将bit-map扩展一下，用2bit表示一个数即可，0表示未出现，1表示出现一次，2表示出现2次及以上，在遍历这些数的时候，如果对应位置的值是0，则将其置为1；如果是1，将其置为2；如果是2，则保持不变。或者我们不用2bit来进行表示，我们用两个bit-map即可模拟实现这个2bit-map，都是一样的道理。

实现：

  1. // TestWin32.cpp : Defines the entry point for the console application.  
  2. #include "stdafx.h"  
  3.   
  4. #include<memory.h>    
  5.   
  6. //用char数组存储2-Bitmap,不用考虑大小端内存的问题    
  7. unsigned char flags[1000]; //数组大小自定义     
  8. unsigned get_val(int idx)  {   
  9. //  |    8 bit  |  
  10. //  |00 00 00 00|  //映射3 2 1 0  
  11. //  |00 00 00 00|  //表示7 6 5 4  
  12. //  ……  
  13. //  |00 00 00 00|  
  14.   
  15.     int i = idx/4;  //一个char 表示4个数，  
  16.     int j = idx%4;    
  17.     unsigned ret = (flags[i]&(0x3<<(2*j)))>>(2*j);    
  18.     //0x3是0011 j的范围为0-3，因此0x3<<(2*j)范围为00000011到11000000 如idx=7 i=1 ,j=3 那么flags[1]&11000000, 得到的是|00 00 00 00|  
  19.     //表示7 6 5 4  
  20.    return ret;    
  21. }    
  22.         
  23. unsigned set_val(int idx, unsigned int val)  {    
  24.     int i = idx/4;    
  25.     int j = idx%4;    
  26.     unsigned tmp = (flags[i]&~((0x3<<(2*j))&0xff)) | (((val%4)<<(2*j))&0xff);    
  27.     flags[i] = tmp;    
  28.     return 0;    
  29. }    
  30. unsigned add_one(int idx)    
  31. {    
  32.     if (get_val(idx)>=2) {  //这一位置上已经出现过了？？  
  33.         return 1;    
  34.     }  else  {    
  35.         set_val(idx, get_val(idx)+1);    
  36.         return 0;    
  37.     }    
  38. }    
  39.         
  40. //只测试非负数的情况;    
  41. //假如考虑负数的话,需增加一个2-Bitmap数组.    
  42. int a[]={1, 3, 5, 7, 9, 1, 3, 5, 7, 1, 3, 5,1, 3, 1,10,2,4,6,8,0};    
  43.         
  44. int main()   {    
  45.     int i;    
  46.     memset(flags, 0, sizeof(flags));    
  47.             
  48.     printf("原数组为:");    
  49.     for(i=0;i < sizeof(a)/sizeof(int); ++i)  {    
  50.         printf("%d  ", a[i]);    
  51.         add_one(a[i]);    
  52.     }    
  53.     printf("\r\n");    
  54.         
  55.     printf("只出现过一次的数:");    
  56.     for(i=0;i < 100; ++i)  {    
  57.         if(get_val(i) == 1)    
  58.             printf("%d  ", i);    
  59.         }    
  60.     printf("\r\n");    
  61.       
  62.     return 0;    
  63. }  

海量数据处理算法

原文链接： http://blog.csdn.net/hguisu/article/details/7880288







1. Bit Map算法简介

         来自于《编程珠玑》。所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。

2、 Bit Map的基本思想

        我们先来看一个具体的例子，假设我们要对0-7内的5个元素(4,7,2,5,3)排序（这里假设这些元素没有重复）。那么我们就可以采用Bit-map的方法来达到排序的目的。要表示8个数，我们就只需要8个Bit（1Bytes），首先我们开辟1Byte的空间，将这些空间的所有Bit位都置为0，如下图：
                                                       


然后遍历这5个元素，首先第一个元素是4，那么就把4对应的位置为1（可以这样操作 p+(i/8)|(0x01<<(i%8)) 当然了这里的操作涉及到Big-ending和Little-ending的情况，这里默认为Big-ending）,因为是从零开始的，所以要把第五位置为一（如下图）：
 

                                                      


然后再处理第二个元素7，将第八位置为1,，接着再处理第三个元素，一直到最后处理完所有的元素，将相应的位置为1，这时候的内存的Bit位的状态如下： 
 

                                                    


然后我们现在遍历一遍Bit区域，将该位是一的位的编号输出（2，3，4，5，7），这样就达到了排序的目的。


优点：

1.运算效率高，不许进行比较和移位；

2.占用内存少，比如N=10000000；只需占用内存为N/8=1250000Byte=1.25M。 
缺点：

       所有的数据不能重复。即不可对重复的数据进行排序和查找。    


算法思想比较简单，但关键是如何确定十进制的数映射到二进制bit位的map图。


3、 Map映射表

假设需要排序或者查找的总数N=10000000，那么我们需要申请内存空间的大小为int a[1 + N/32]，其中：a[0]在内存中占32为可以对应十进制数0-31，依次类推： 
bitmap表为： 
a[0]--------->0-31 
a[1]--------->32-63 
a[2]--------->64-95 
a[3]--------->96-127 
.......... 
那么十进制数如何转换为对应的bit位，下面介绍用位移将十进制数转换为对应的bit位。 

3、 位移转换 

申请一个int一维数组，那么可以当作为列为32位的二维数组，

               |                           32位                                       |

int a[0]    |0000000000000000000000000000000000000|

int a[1]    |0000000000000000000000000000000000000|

………………

int a[N]   |0000000000000000000000000000000000000|

例如十进制0，对应在a[0]所占的bit为中的第一位： 00000000000000000000000000000001 
0-31：对应在a[0]中 
i =0                            00000000000000000000000000000000 
temp=0                     00000000000000000000000000000000 
answer=1                 00000000000000000000000000000001 


i =1                            00000000000000000000000000000001 
temp=1                     00000000000000000000000000000001 
answer=2                 00000000000000000000000000000010 


i =2                            00000000000000000000000000000010 
temp=2                     00000000000000000000000000000010 
answer=4                 00000000000000000000000000000100 


i =30                              00000000000000000000000000011110 
temp=30                       00000000000000000000000000011110 

answer=1073741824  01000000000000000000000000000000 


i =31                               00000000000000000000000000011111 
temp=31                         00000000000000000000000000011111 
answer=-2147483648 10000000000000000000000000000000 

32-63：对应在a[1]中 
i =32                            00000000000000000000000000100000 
temp=0                        00000000000000000000000000000000 
answer=1                    00000000000000000000000000000001 


i =33                            00000000000000000000000000100001 
temp=1                       00000000000000000000000000000001 
answer=2                    00000000000000000000000000000010 


i =34                            00000000000000000000000000100010 
temp=2                        00000000000000000000000000000010 
answer=4                    00000000000000000000000000000100 


i =61                              00000000000000000000000000111101 
temp=29                       00000000000000000000000000011101 
answer=536870912    00100000000000000000000000000000 


i =62                               00000000000000000000000000111110 
temp=30                        00000000000000000000000000011110 
answer=1073741824  01000000000000000000000000000000 


i =63                                00000000000000000000000000111111 
temp=31                         00000000000000000000000000011111 
answer=-2147483648  10000000000000000000000000000000

浅析上面的对应表，分三步： 
1.求十进制0-N对应在数组a中的下标： 
十进制0-31，对应在a[0]中，先由十进制数n转换为与32的余可转化为对应在数组a中的下标。比如n=24,那么 n/32=0，则24对应在数组a中的下标为0。又比如n=60,那么n/32=1，则60对应在数组a中的下标为1，同理可以计算0-N在数组a中的下标。 

2.求0-N对应0-31中的数： 

十进制0-31就对应0-31，而32-63则对应也是0-31，即给定一个数n可以通过模32求得对应0-31中的数。 

3.利用移位0-31使得对应32bit位为1. 

找到对应0-31的数为M, 左移M位：即2^M. 然后置1.


由此我们计算10000000个bit占用的空间：

1byte = 8bit

1kb = 1024byte

1mb = 1024kb

占用的空间为：10000000/8/1024/1024mb。

大概为1mb多一些。

3、 扩展 

        Bloom filter可以看做是对bit-map的扩展 


4、 Bit-Map的应用

      1）可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下。

       2）去重数据而达到压缩数据


5、 Bit-Map的具体实现

c语言实现：

  1. #define BITSPERWORD 32  
  2. #define SHIFT 5  
  3. #define MASK 0x1F  
  4. #define N 10000000  
  5.   
  6. int a[1 + N/BITSPERWORD];//申请内存的大小  
  7.   
  8.   
  9. //set 设置所在的bit位为1  
  10. void set(int i) {          
  11.     a[i>>SHIFT] |=  (1<<(i & MASK));   
  12. }  
  13. //clr 初始化所有的bit位为0  
  14. void clr(int i) {          
  15.     a[i>>SHIFT] &= ~(1<<(i & MASK));   
  16. }  
  17. //test 测试所在的bit为是否为1  
  18. int  test(int i){   
  19.     return a[i>>SHIFT] &   (1<<(i & MASK));   
  20. }  
  21.   
  22. int main()  
  23. {   int i;  
  24.     for (i = 0; i < N; i++)  
  25.         clr(i);    
  26.     while (scanf("%d", &i) != EOF)  
  27.         set(i);  
  28.     for (i = 0; i < N; i++)  
  29.         if (test(i))  
  30.             printf("%d\n", i);  
  31.     return 0;  
  32. }  


注明： 左移n位就是乘以2的n次方，右移n位就是除以2的n次方

解析本例中的void set(int i) {        a[i>>SHIFT] |=  (1<<(i & MASK)); }
1)  i>>SHIFT： 
其中SHIFT=5，即i右移5为，2^5=32,相当于i/32，即求出十进制i对应在数组a中的下标。比如i=20，通过i>>SHIFT=20>>5=0 可求得i=20的下标为0；

2)  i & MASK： 
其中MASK=0X1F,十六进制转化为十进制为31，二进制为0001 1111，i&（0001 1111）相当于保留i的后5位。 

比如i=23，二进制为：0001 0111，那么 
                         0001 0111 
                   &    0001 1111 = 0001 0111 十进制为：23 
比如i=83，二进制为：0000 0000 0101 0011，那么 
                          0000 0000 0101 0011 
                     &   0000 0000 0001 0000 = 0000 0000 0001 0011 十进制为：19 

i & MASK相当于i%32。 

3) 1<<(i & MASK) 
相当于把1左移 (i & MASK)位。 
比如(i & MASK)=20，那么i<<20就相当于： 
         0000 0000 0000 0000 0000 0000 0000 0001 << 20 
       =0000 0000 0001 0000 0000 0000 0000 0000 

注意上面 “|=”.

在博文：位运算符及其应用 提到过这样位运算应用：

 将int型变量a的第k位清0，即a=a&~(1<<k)
 将int型变量a的第k位置1， 即a=a|(1<<k)

这里的将  a[i/32] |= (1<<M)); 第M位置1 .


4) void set(int i) {        a[i>>SHIFT]  |=  (1<<(i & MASK)); }等价于：
  1. void set(int i)   
  2. {   
  3.    a[i/32] |= (1<<(i%32));   
  4. }  

即实现上面提到的三步：

1.求十进制0-N对应在数组a中的下标： n/32 

2.求0-N对应0-31中的数： N%32=M

3.利用移位0-31使得对应32bit位为1: 1<<M，并置1;

php实现是一样的：

  1. <?php    
  2.   error_reporting(E_ERROR);  
  3. define("MASK", 0x1f);//31    
  4. define("BITSPERWORD",32);     
  5. define("SHIFT",5);    
  6. define("MASK",0x1F);   
  7. define("N",1000);   
  8.   
  9.  $a = array();   
  10. //set 设置所在的bit位为1    
  11. function set($i) {     
  12.     global $a;         
  13.     $a[$i>>SHIFT] |=  (1<<($i & MASK));     
  14. }    
  15. //clr 初始化所有的bit位为0    
  16. function clr($i) {            
  17.     $a[$i>>SHIFT] &= ~(1<<($i & MASK));     
  18. }    
  19. //test 测试所在的bit为是否为1    
  20. function test($i){    
  21.     global $a;    
  22.     return $a[$i>>SHIFT] & (1<<($i & MASK));     
  23. }    
  24. $aa = array(1,2,3,31, 33,56,199,30,50);    
  25. while ($v =current($aa))  {  
  26.    set($v);   
  27.    if(!next($aa)) {  
  28.        break;  
  29.    }  
  30. }  
  31. foreach ($a as $key=>$v){  
  32.     echo $key,'=', decbin($v),"\r\n";  
  33. }  
然后我们打印结果：

0=11000000000000000000000000001110
1=1000001000000000000000010
6=10000000

32位表示，实际结果一目了然了，看看1,2,3,30,31, 33,50，56,199数据所在的具体位置：

       31    30                                                                                        3     2     1

                                                                                                     

0=    1     1    00       0000   0000   0000   0000    0000     0000   1     1   1  0

                          56                 50                                                33

                                                                                              
1=  0000     0001    0000   0100   0000    0000     0000    0010

                                                                               199

                                                                               
6=  0000  0000    0000   0000   0000    0000    1000    0000



【问题实例】

已知某个文件内包含一些电话号码，每个号码为8位数字，统计不同号码的个数。

8位最多99 999 999，大概需要99m个bit，大概10几m字节的内存即可。 （可以理解为从0-99 999 999的数字，每个数字对应一个Bit位，所以只需要99M个Bit==1.2MBytes，这样，就用了小小的1.2M左右的内存表示了所有的8位数的电话）


2)2.5亿个整数中找出不重复的整数的个数，内存空间不足以容纳这2.5亿个整数。 
将bit-map扩展一下，用2bit表示一个数即可，0表示未出现，1表示出现一次，2表示出现2次及以上，在遍历这些数的时候，如果对应位置的值是0，则将其置为1；如果是1，将其置为2；如果是2，则保持不变。或者我们不用2bit来进行表示，我们用两个bit-map即可模拟实现这个2bit-map，都是一样的道理。

实现：

  1. // TestWin32.cpp : Defines the entry point for the console application.  
  2. #include "stdafx.h"  
  3.   
  4. #include<memory.h>    
  5.   
  6. //用char数组存储2-Bitmap,不用考虑大小端内存的问题    
  7. unsigned char flags[1000]; //数组大小自定义     
  8. unsigned get_val(int idx)  {   
  9. //  |    8 bit  |  
  10. //  |00 00 00 00|  //映射3 2 1 0  
  11. //  |00 00 00 00|  //表示7 6 5 4  
  12. //  ……  
  13. //  |00 00 00 00|  
  14.   
  15.     int i = idx/4;  //一个char 表示4个数，  
  16.     int j = idx%4;    
  17.     unsigned ret = (flags[i]&(0x3<<(2*j)))>>(2*j);    
  18.     //0x3是0011 j的范围为0-3，因此0x3<<(2*j)范围为00000011到11000000 如idx=7 i=1 ,j=3 那么flags[1]&11000000, 得到的是|00 00 00 00|  
  19.     //表示7 6 5 4  
  20.    return ret;    
  21. }    
  22.         
  23. unsigned set_val(int idx, unsigned int val)  {    
  24.     int i = idx/4;    
  25.     int j = idx%4;    
  26.     unsigned tmp = (flags[i]&~((0x3<<(2*j))&0xff)) | (((val%4)<<(2*j))&0xff);    
  27.     flags[i] = tmp;    
  28.     return 0;    
  29. }    
  30. unsigned add_one(int idx)    
  31. {    
  32.     if (get_val(idx)>=2) {  //这一位置上已经出现过了？？  
  33.         return 1;    
  34.     }  else  {    
  35.         set_val(idx, get_val(idx)+1);    
  36.         return 0;    
  37.     }    
  38. }    
  39.         
  40. //只测试非负数的情况;    
  41. //假如考虑负数的话,需增加一个2-Bitmap数组.    
  42. int a[]={1, 3, 5, 7, 9, 1, 3, 5, 7, 1, 3, 5,1, 3, 1,10,2,4,6,8,0};    
  43.         
  44. int main()   {    
  45.     int i;    
  46.     memset(flags, 0, sizeof(flags));    
  47.             
  48.     printf("原数组为:");    
  49.     for(i=0;i < sizeof(a)/sizeof(int); ++i)  {    
  50.         printf("%d  ", a[i]);    
  51.         add_one(a[i]);    
  52.     }    
  53.     printf("\r\n");    
  54.         
  55.     printf("只出现过一次的数:");    
  56.     for(i=0;i < 100; ++i)  {    
  57.         if(get_val(i) == 1)    
  58.             printf("%d  ", i);    
  59.         }    
  60.     printf("\r\n");    
  61.       
  62.     return 0;    
  63. }  



《bit-map简介及其C/C++代码实现》

原文链接：http://blog.csdn.net/stpeace/article/details/46477239

 在本文中， 我们来介绍一下bit-map，你可别以为这是什么bitmap图像， 那本文要介绍的bit-map是什么呢？ 且听我慢慢道来。


        坐过火车没？ 当你在火车上， 想拉屎的时候， 你得去上厕所啊。 屁颠屁颠爬到厕所处， 发现上面亮了一个灯， 表示里面有人， 你郁闷至极， 但无可奈何。 过了很久， 那个人出来了， 那个灯也就熄灭了， 你就可以上厕所了。

        这个灯， 就是计算机中的一个bit, 有两种状态 ， 1表示有人在厕所中， 0表示没有人在厕所中。 所以， 从这个意义上说， 一个bit可以标志某事物的一个状态， 当这个bit与某事物状态建立映射后， 我说们， 形成了一个bit到事物状态的map.

         

        我们知道， 一个unsign char有8bit, 也就是说， 一个无符号字符可以标志某个厕所的8个坑位的状态， 下面我们看看程序：

[cpp] view plaincopy在CODE上查看代码片派生到我的代码片
  1. #include <iostream>  
  2. using namespace std;  
  3.   
  4. int main(void)   
  5. {  
  6.     unsigned char c;  
  7.       
  8.     // 8个坑位都没有人  
  9.     c = 0;  
  10.   
  11.     // 8个坑位都有人  
  12.     c = 255;  
  13.   
  14.     // 第1个(也可以认为是第0个)坑位有人  
  15.     c = 128;  
  16.   
  17.     // 最后两个坑位有人  
  18.     c = 3;  
  19.   
  20.     return 0;  
  21. }  
      看到没？ 一个bit标志一个坑， 标志一个事物的状态， 那么一个unsigned char标志着8个事物的状态。 同理， 一个unsigned int标志着32个事物的状态， 其实一个int也可以标志着32个事物的状态。（当然， 这里所说的状态都是二值状态）


       现在， 假设有N个事物状态， 那至少需要多少个int来表示呢？ 很显然是 N/32 + 1. 假设有100个事物（N=100）, 那至少需要4个int (总共128位). 说的有点多了， 直接看程序吧：

[cpp] view plaincopy在CODE上查看代码片派生到我的代码片
  1. #include <iostream>  
  2. using namespace std;  
  3.   
  4. #define BIT_INT 32   // 1个int可以标志32个坑  
  5. #define SHIFT 5  
  6. #define MASK 0x1f  
  7. #define N 100  
  8. int a[1 + N / BIT_INT]; // 需要1 + N / BIT_INT 个整数来标志N个事物  
  9.   
  10. // 将所有位都初始化为0状态  
  11. void setAllZero()  
  12. {  
  13.     memset(a, 0, (1 + N / BIT_INT) * sizeof(int));  
  14. }  
  15.   
  16. // 设置第i位为1, 表示有人在厕所里面  
  17. void setOne(int i)  
  18. {  
  19.     a[i >> SHIFT] |= (1 << (i & MASK));  
  20. }  
  21.   
  22. // 设置第i位为1, 表示没有人在厕所里面  
  23. void setZero(int i)  
  24. {  
  25.     a[i >> SHIFT] &= ~(1 << (i & MASK));  
  26. }  
  27.   
  28. // 检查第i位的值， 看看有没有人在厕所里面  
  29. int getState(int i)  
  30. {  
  31.     return (a[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  32. }  
  33.   
  34. int main(void)   
  35. {  
  36.     int bitNumber = (1 + N / BIT_INT) * BIT_INT;  
  37.     cout << bitNumber << endl;  
  38.       
  39.     setAllZero();  
  40.     int i = 0;  
  41.     for(i = 0; i < bitNumber; i++)  
  42.     {  
  43.         cout << getState(i);  
  44.     }  
  45.     cout << endl;  
  46.   
  47.   
  48.     setOne(0);  
  49.     setOne(1);  
  50.     setOne(2);  
  51.     setOne(3);  
  52.     setOne(4);  
  53.     for(i = 0; i < bitNumber; i++)  
  54.     {  
  55.         cout << getState(i);  
  56.     }  
  57.     cout << endl;  
  58.   
  59.   
  60.     setZero(0);  
  61.     setZero(1);  
  62.     setZero(2);  
  63.     for(i = 0; i < bitNumber; i++)  
  64.     {  
  65.         cout << getState(i);  
  66.     }  
  67.     cout << endl;  
  68.   
  69.     return 0;  
  70. }  
      看看结果吧：

128
00000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
11111000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
00011000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
   

     果然， 结果与预期符合。


     我们再看程序：

[cpp] view plaincopy在CODE上查看代码片派生到我的代码片
  1. #include <iostream>  
  2. #include <set>  
  3. using namespace std;  
  4.   
  5.   
  6. #define BIT_INT 32   // 1个int可以标志32个坑  
  7. #define SHIFT 5  
  8. #define MASK 0x1f  
  9. #define N 100  
  10. int a[1 + N / BIT_INT]; // 需要1 + N / BIT_INT 个整数来标志N个事物  
  11.   
  12.   
  13. // 产生伪随机数  
  14. unsigned  int getRandom()  
  15. {  
  16.     return rand();  
  17. }  
  18.   
  19. // 将所有位都初始化为0状态  
  20. void setAllZero()  
  21. {  
  22.     memset(a, 0, (1 + N / BIT_INT) * sizeof(int));  
  23. }  
  24.   
  25. // 设置第i位为1, 表示有人在厕所里面  
  26. void setOne(int i)  
  27. {  
  28.     a[i >> SHIFT] |= (1 << (i & MASK));  
  29. }  
  30.   
  31. // 设置第i位为1, 表示没有人在厕所里面  
  32. void setZero(int i)  
  33. {  
  34.     a[i >> SHIFT] &= ~(1 << (i & MASK));  
  35. }  
  36.   
  37. // 检查第i位的值， 看看有没有人在厕所里面  
  38. int getState(int i)  
  39. {  
  40.     return (a[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  41. }  
  42.   
  43. int main(void)   
  44. {  
  45.     int r = N;  
  46.     int size = 40; // 假设有40个事物(数字)， 他们在[0, N-1]这个区间内  
  47.   
  48.     // 构造40个互不相等的事物, 实际上, s中的元素是有序的， 但在该程序中， 我们不需要太关注这个  
  49.     set<int> s;  
  50.     while(size != s.size())  
  51.     {  
  52.         s.insert(getRandom() % r);  
  53.     }  
  54.   
  55.     // 将所有坑位的人赶出来， 初始化  
  56.     setAllZero();  
  57.   
  58.     set<int>::iterator it;  
  59.     for(it = s.begin(); it != s.end(); it++)  
  60.     {  
  61.         setOne(*it); // 将事物*it与其对应的坑位*it联系起来， 当*it这个事物存在时， 对应的坑位*it的状态为1  
  62.         cout << *it << " ";  
  63.     }  
  64.     cout << endl;  
  65.   
  66.     int i = 0;  
  67.     int bitNumber = (1 + N / BIT_INT) * BIT_INT;  
  68.     for(i = 0; i < bitNumber; i++)  
  69.     {  
  70.         cout << i << "对应的坑位状态为:--->" << getState(i) << endl; // 获取坑位状态  
  71.     }  
  72.     cout << endl;  
  73.   
  74.     return 0;  
  75. }  

      结果为：

0 2 3 4 5 11 12 16 18 21 22 24 26 27 33 34 35 36 38 41 42 45 47 53 58 61 62 64 67 69 71 73 78 81 82 91 92 94 95 99
0对应的坑位状态为:--->1
1对应的坑位状态为:--->0
2对应的坑位状态为:--->1
3对应的坑位状态为:--->1
4对应的坑位状态为:--->1
5对应的坑位状态为:--->1
6对应的坑位状态为:--->0
7对应的坑位状态为:--->0
8对应的坑位状态为:--->0
9对应的坑位状态为:--->0
10对应的坑位状态为:--->0
11对应的坑位状态为:--->1
12对应的坑位状态为:--->1
13对应的坑位状态为:--->0
14对应的坑位状态为:--->0
15对应的坑位状态为:--->0
16对应的坑位状态为:--->1
17对应的坑位状态为:--->0
18对应的坑位状态为:--->1
19对应的坑位状态为:--->0
20对应的坑位状态为:--->0
21对应的坑位状态为:--->1
22对应的坑位状态为:--->1
23对应的坑位状态为:--->0
24对应的坑位状态为:--->1
25对应的坑位状态为:--->0
26对应的坑位状态为:--->1
27对应的坑位状态为:--->1
28对应的坑位状态为:--->0
29对应的坑位状态为:--->0
30对应的坑位状态为:--->0
31对应的坑位状态为:--->0
32对应的坑位状态为:--->0
33对应的坑位状态为:--->1
34对应的坑位状态为:--->1
35对应的坑位状态为:--->1
36对应的坑位状态为:--->1
37对应的坑位状态为:--->0
38对应的坑位状态为:--->1
39对应的坑位状态为:--->0
40对应的坑位状态为:--->0
41对应的坑位状态为:--->1
42对应的坑位状态为:--->1
43对应的坑位状态为:--->0
44对应的坑位状态为:--->0
45对应的坑位状态为:--->1
46对应的坑位状态为:--->0
47对应的坑位状态为:--->1
48对应的坑位状态为:--->0
49对应的坑位状态为:--->0
50对应的坑位状态为:--->0
51对应的坑位状态为:--->0
52对应的坑位状态为:--->0
53对应的坑位状态为:--->1
54对应的坑位状态为:--->0
55对应的坑位状态为:--->0
56对应的坑位状态为:--->0
57对应的坑位状态为:--->0
58对应的坑位状态为:--->1
59对应的坑位状态为:--->0
60对应的坑位状态为:--->0
61对应的坑位状态为:--->1
62对应的坑位状态为:--->1
63对应的坑位状态为:--->0
64对应的坑位状态为:--->1
65对应的坑位状态为:--->0
66对应的坑位状态为:--->0
67对应的坑位状态为:--->1
68对应的坑位状态为:--->0
69对应的坑位状态为:--->1
70对应的坑位状态为:--->0
71对应的坑位状态为:--->1
72对应的坑位状态为:--->0
73对应的坑位状态为:--->1
74对应的坑位状态为:--->0
75对应的坑位状态为:--->0
76对应的坑位状态为:--->0
77对应的坑位状态为:--->0
78对应的坑位状态为:--->1
79对应的坑位状态为:--->0
80对应的坑位状态为:--->0
81对应的坑位状态为:--->1
82对应的坑位状态为:--->1
83对应的坑位状态为:--->0
84对应的坑位状态为:--->0
85对应的坑位状态为:--->0
86对应的坑位状态为:--->0
87对应的坑位状态为:--->0
88对应的坑位状态为:--->0
89对应的坑位状态为:--->0
90对应的坑位状态为:--->0
91对应的坑位状态为:--->1
92对应的坑位状态为:--->1
93对应的坑位状态为:--->0
94对应的坑位状态为:--->1
95对应的坑位状态为:--->1
96对应的坑位状态为:--->0
97对应的坑位状态为:--->0
98对应的坑位状态为:--->0
99对应的坑位状态为:--->1
100对应的坑位状态为:--->0
101对应的坑位状态为:--->0
102对应的坑位状态为:--->0
103对应的坑位状态为:--->0
104对应的坑位状态为:--->0
105对应的坑位状态为:--->0
106对应的坑位状态为:--->0
107对应的坑位状态为:--->0
108对应的坑位状态为:--->0
109对应的坑位状态为:--->0
110对应的坑位状态为:--->0
111对应的坑位状态为:--->0
112对应的坑位状态为:--->0
113对应的坑位状态为:--->0
114对应的坑位状态为:--->0
115对应的坑位状态为:--->0
116对应的坑位状态为:--->0
117对应的坑位状态为:--->0
118对应的坑位状态为:--->0
119对应的坑位状态为:--->0
120对应的坑位状态为:--->0
121对应的坑位状态为:--->0
122对应的坑位状态为:--->0
123对应的坑位状态为:--->0
124对应的坑位状态为:--->0
125对应的坑位状态为:--->0
126对应的坑位状态为:--->0
127对应的坑位状态为:--->0

       现在应该完成清楚了bit-map吧， 所谓bit-map, 实际上就是用一个bit去map一个事物的状态(二值状态). bit-map的好处是： 节省空间。


       实际上， bit-map在大数据处理中经常会用到， 一些笔试面试题经常考， 后续我们会陆续介绍到。

 

《bitmap再出江湖：a.txt中有40亿个无符号整数， b.txt中有10000个无符号整数， 求交集。 可用内存：1G》

原文链接： http://blog.csdn.net/stpeace/article/details/47285163

 


之前聊过很多与bitmap有关的东东， 今天我们来看这样一个问题：a.txt中有40亿个无符号整数， b.txt中有10000个无符号整数， 求交集。 可用内存：1G.


        很简单， 还是用bitmap, 思路我就不说了， 因为思路完全在下面的代码中：

[cpp]  view plain copy
  1. #include <iostream>  
  2. #include <fstream>  
  3. using namespace std;  
  4.   
  5. #define BIT_INT 32   // 1个unsigned int可以标志32个坑  
  6. #define SHIFT 5  
  7. #define MASK 0x1f  
  8. #define N 4294967296 // 2的32次方  
  9.   
  10. unsigned int *a = NULL;  
  11.   
  12. // 必须用堆  
  13. void createArr()  
  14. {  
  15.     a = new unsigned int[1 + N / BIT_INT];  
  16. }  
  17.   
  18. void deleteArr()  
  19. {  
  20.     delete []a;  
  21.     a = NULL;  
  22. }  
  23.   
  24. // 将所有位都初始化为0状态  
  25. void setAllZero()  
  26. {  
  27.     memset(a, 0, (1 + N / BIT_INT) * sizeof(unsigned int));  
  28. }  
  29.   
  30. // 设置第i位为1  
  31. void setOne(unsigned int i)  
  32. {  
  33.     a[i >> SHIFT] |= (1 << (i & MASK));  
  34. }  
  35.   
  36. // 设置第i位为1  
  37. void setZero(unsigned int i)  
  38. {  
  39.     a[i >> SHIFT] &= ~(1 << (i & MASK));  
  40. }  
  41.   
  42. // 检查第i位的值  
  43. int getState(unsigned int i)  
  44. {  
  45.     return (a[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  46. }  
  47.   
  48. // 用bitmap记录是否存在  
  49. void setStateFromFile()  
  50. {  
  51.     ifstream cin("a.txt");  
  52.     unsigned int n;  
  53.     while(cin >> n)    
  54.     {  
  55.         setOne(n);  
  56.     }    
  57. }  
  58.   
  59. // 哈哈  
  60. void printCommonNumber()  
  61. {  
  62.     ifstream cin("b.txt");  
  63.     unsigned int n;  
  64.     while(cin >> n)    
  65.     {  
  66.         if(1 == getState(n))  
  67.         {  
  68.             cout << n << " ";  
  69.         }  
  70.     }    
  71.   
  72.     cout << endl;  
  73. }  
  74.   
  75. int main()   
  76. {  
  77.     createArr();  
  78.     setAllZero();  
  79.   
  80.     // a.txt: 4 5 7 2 9 2 4 8 0 11   (其实a.txt中可以有40亿个无符号整数)  
  81.     // b.txt: 6 11 0 2 3   (其实b.txt中可以有10000个无符号整数)  
  82.   
  83.     setStateFromFile();  
  84.     printCommonNumber(); // 11 0 2  
  85.     deleteArr();  
  86.   
  87.     return 0;  
  88. }  
       OK, 不多说， 一切思路尽在代码之中。


《2路bit-map的应用：test.txt中有42亿个无符号整数，从小到大打印其中只出现过一次的数 。限制： 可用内存为1.5GB》

原文链接：http://blog.csdn.net/stpeace/article/details/46673007


先看这样一个问题：test.txt中有42亿个无符号整数，从小到大打印其中只出现过一次的数 。限制： 可用内存为1.5GB.  

        前面， 我们已经深入讨论了bit-map, 在本文中， 我们来看看2路bit-map, 其实， 它无非是对bit-map的扩展， 用了两个数组而已罢了。 既然已经熟悉了bit-map, 那我就不多啰嗦了， 直接给出代码：

[cpp]  view plain copy
  1. #include <iostream>  
  2. #include <fstream>  
  3. using namespace std;  
  4.   
  5.   
  6. #define BIT_INT 32   // 1个unsigned int可以标志32个坑  
  7. #define SHIFT 5  
  8. #define MASK 0x1f  
  9. #define N 4294967296 // 2的32次方  
  10.   
  11. unsigned int *a = NULL;  
  12. unsigned int *b = NULL;  
  13.   
  14. // 标志数组a还是b(其实，a、b本是指针)  
  15. enum  
  16. {  
  17.     arrA,  
  18.     arrB  
  19. };  
  20.   
  21. // 必须用堆  
  22. void createArr()  
  23. {  
  24.     a = new unsigned int[1 + N / BIT_INT];  
  25.     b = new unsigned int[1 + N / BIT_INT];  
  26. }  
  27.   
  28. void deleteArr()  
  29. {  
  30.     delete []a;  
  31.     a = NULL;  
  32.   
  33.     delete []b;  
  34.     b = NULL;  
  35. }  
  36.   
  37. // 将所有位都初始化为0状态  
  38. void setAllZero()  
  39. {  
  40.     memset(a, 0, (1 + N / BIT_INT) * sizeof(unsigned int));  
  41.     memset(b, 0, (1 + N / BIT_INT) * sizeof(unsigned int));  
  42. }  
  43.   
  44. // 设置第i位为1  
  45. void setOne(unsigned int i, int flag)  
  46. {  
  47.     if(arrA == flag)  
  48.     {  
  49.         a[i >> SHIFT] |= (1 << (i & MASK));  
  50.     }  
  51.     else  
  52.     {  
  53.         b[i >> SHIFT] |= (1 << (i & MASK));  
  54.     }  
  55. }  
  56.   
  57. // 设置第i位为1  
  58. void setZero(unsigned int i, int flag)  
  59. {  
  60.     if(arrA == flag)  
  61.     {  
  62.         a[i >> SHIFT] &= ~(1 << (i & MASK));  
  63.     }  
  64.     else  
  65.     {  
  66.         b[i >> SHIFT] &= ~(1 << (i & MASK));  
  67.     }  
  68. }  
  69.   
  70. // 检查第i位的值  
  71. int getState(unsigned int i, int flag)  
  72. {  
  73.     if(arrA == flag)  
  74.     {  
  75.         return (a[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  76.     }  
  77.   
  78.     return (b[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  79. }  
  80.   
  81. void setStateFromFile()  
  82. {  
  83.     ifstream cin("test.txt");  // 我测试的时候， 文件中的数据为：7 7 9 2 5 2 0 0 1 4 3 2 8  
  84.     unsigned int n;  
  85.     while(cin >> n)    
  86.     {    
  87.         // 采用2路bitmap, 其中a数组表示高位， b数组表示低位  
  88.         // ab组合， 00表示出现0次， 01表示出现1次， 10表示出现2次， 11表示出现次数大于2次  
  89.   
  90.         int aState = getState(n, arrA);  
  91.         int bState = getState(n, arrB);  
  92.           
  93.         if(0 == aState && 0 == bState) // 当前记录为0次  
  94.         {  
  95.             setOne(n, arrB);  
  96.         }  
  97.         else if(0 == aState && 1 == bState) // 当前记录为1次  
  98.         {  
  99.             setOne(n, arrA);  
  100.             setZero(n, arrB);  
  101.         }  
  102.         else if(1 == aState && 0 == bState) // 当前记录为2次  
  103.         {  
  104.             setOne(n, arrB);  
  105.         }  
  106.         else // 当前记录大于2次，不做处理  
  107.         {  
  108.             NULL;  
  109.         }  
  110.     }    
  111. }  
  112.   
  113. void printSingleNum()  
  114. {  
  115.     unsigned int i = 0;  
  116.     unsigned int bits = (1 + N / BIT_INT) * sizeof(unsigned int);  
  117.     for(i = 0; i < bits; i++)  
  118.     {  
  119.         if(0 == getState(i, arrA) && 1 == getState(i, arrB))  
  120.         {  
  121.             cout << i << " ";    // 结果：1, 3, 4, 5, 8, 9  
  122.         }  
  123.     }  
  124.       
  125.     cout << endl;  
  126. }  
  127.   
  128. int main()   
  129. {  
  130.     createArr();  
  131.     setAllZero();  
  132.     setStateFromFile();  
  133.     printSingleNum();  
  134.     deleteArr();  
  135.   
  136.     return 0;  
  137. }  
      运行一下， 结果与预期相符。  我运行的时候， 电脑卡的厉害啊。大家在玩的时候， 可以把N的值尽量调小一点， 比如N为429.


      OK, 2路bit-map的介绍到此为止， 多路bit-map与此同理， 简单。




《bit-map再显身手：test.txt中有42亿个无符号整数， 求文件中有多少不重复的数(重复的数算一个)。限制： 可用内存为600MB.》

原文链接：http://blog.csdn.net/stpeace/article/details/46625445

来看看这样一个问题：test.txt中有42亿个无符号整数， 求文件中有多少不重复的数(重复的数算一个)。限制： 可用内存为600MB.   

        思路很简单， 还是用bitmap, 无需多啰嗦， 大家可以直接参考我之前的与bit-map有关的博文：

       http://blog.csdn.net/stpeace/article/details/46477239

       http://blog.csdn.net/stpeace/article/details/46594797

       http://blog.csdn.net/stpeace/article/details/46595517


        下面， 我给出程序， 经验证， 结果ok, 程序如下：

[cpp]  view plain copy
  1. #include <iostream>  
  2. #include <fstream>  
  3. using namespace std;  
  4.   
  5. #define BIT_INT 32   // 1个unsigned int可以标志32个坑  
  6. #define SHIFT 5  
  7. #define MASK 0x1f  
  8. #define N 4294967296 // 2的32次方  
  9.   
  10. unsigned int *a = NULL;  
  11.   
  12. // 必须用堆  
  13. void createArr()  
  14. {  
  15.     a = new unsigned int[1 + N / BIT_INT];  
  16. }  
  17.   
  18. void deleteArr()  
  19. {  
  20.     delete []a;  
  21.     a = NULL;  
  22. }  
  23.   
  24. // 将所有位都初始化为0状态  
  25. void setAllZero()  
  26. {  
  27.     memset(a, 0, (1 + N / BIT_INT) * sizeof(unsigned int));  
  28. }  
  29.   
  30. // 设置第i位为1  
  31. void setOne(unsigned int i)  
  32. {  
  33.     a[i >> SHIFT] |= (1 << (i & MASK));  
  34. }  
  35.   
  36. // 设置第i位为1  
  37. void setZero(unsigned int i)  
  38. {  
  39.     a[i >> SHIFT] &= ~(1 << (i & MASK));  
  40. }  
  41.   
  42. // 检查第i位的值  
  43. int getState(unsigned int i)  
  44. {  
  45.     return (a[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  46. }  
  47.   
  48. void setStateFromFile()  
  49. {  
  50.     ifstream cin("test.txt");  // 我测试的时候， 文件中的数据为：7 8 9 2 5 2 6 0 1 4   
  51.     unsigned int n;  
  52.     while(cin >> n)    
  53.     {    
  54.         setOne(n);  
  55.     }    
  56. }  
  57.   
  58. int getNonDupNum()  
  59. {  
  60.     unsigned int count = 0;  
  61.     unsigned int i = 0;  
  62.     unsigned int bits = (1 + N / BIT_INT) * sizeof(unsigned int);  
  63.     for(i = 0; i < bits; i++)  
  64.     {  
  65.         if(1 == getState(i))  
  66.         {  
  67.             count++;   
  68.         }  
  69.     }  
  70.   
  71.     return count;  
  72. }  
  73.   
  74. int main()   
  75. {  
  76.     createArr();  
  77.     setAllZero();  
  78.     setStateFromFile();  
  79.     cout << getNonDupNum() << endl; // 9, 也就是说， 文件中有9个不重复的数  
  80.     deleteArr();  
  81.   
  82.     return 0;  
  83. }  


《bit-map再显身手：test.txt中有42亿个无符号整数， 求不存在于test.txt中的最小无符号整数。限制： 可用内存为600MB.》

原文链接：http://blog.csdn.net/stpeace/article/details/46595517


先看看这个题目：test.txt中有42亿个无符号整数， 求不存在于test.txt中的最小无符号整数. 限制： 可用内存为600MB.  


        又是大数据。 看到42亿， 有灵感没？ 要知道， 2的32次方就是42亿多一点点啊。42亿个无符号整数存在于文件中， 我们可以考虑在内存中用bit-map与之建立二值状态映射。 2的32次方个无符号整数， 需要内存空间为512M, 这个是很容易计算的。


        这么大的空间， 要用栈数组肯定不行， 可考虑用堆。 还是我们之前介绍过的bit-map,  用不着多说（别说我不描述思路啊， 代码就体现了思路）， 直接给出代码：

[cpp]  view plain copy
  1. #include <iostream>  
  2. #include <fstream>  
  3. using namespace std;  
  4.   
  5. #define BIT_INT 32   // 1个unsigned int可以标志32个坑  
  6. #define SHIFT 5  
  7. #define MASK 0x1f  
  8. #define N 4294967296 // 2的32次方  
  9.   
  10. unsigned int *a = NULL;  
  11.   
  12. // 必须用堆  
  13. void createArr()  
  14. {  
  15.     a = new unsigned int[1 + N / BIT_INT];  
  16. }  
  17.   
  18. void deleteArr()  
  19. {  
  20.     delete []a;  
  21.     a = NULL;  
  22. }  
  23.   
  24. // 将所有位都初始化为0状态  
  25. void setAllZero()  
  26. {  
  27.     memset(a, 0, (1 + N / BIT_INT) * sizeof(unsigned int));  
  28. }  
  29.   
  30. // 设置第i位为1  
  31. void setOne(unsigned int i)  
  32. {  
  33.     a[i >> SHIFT] |= (1 << (i & MASK));  
  34. }  
  35.   
  36. // 设置第i位为1  
  37. void setZero(unsigned int i)  
  38. {  
  39.     a[i >> SHIFT] &= ~(1 << (i & MASK));  
  40. }  
  41.   
  42. // 检查第i位的值  
  43. int getState(unsigned int i)  
  44. {  
  45.     return (a[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  46. }  
  47.   
  48. void setStateFromFile()  
  49. {  
  50.     ifstream cin("test.txt");  // 我测试的时候， 文件中的数据为：7 8 9 2 5 2 6 0 1 4   
  51.     unsigned int n;  
  52.     while(cin >> n)    
  53.     {    
  54.         setOne(n);  
  55.     }    
  56. }  
  57.   
  58. void printResult()  
  59. {  
  60.     unsigned int i = 0;  
  61.     for(i = 0; i < N; i++)  
  62.     {  
  63.         if(0 == getState(i))  
  64.         {  
  65.             cout << i << endl; // 3  
  66.             break;  
  67.         }  
  68.     }     
  69. }  
  70.   
  71. int main()   
  72. {  
  73.     createArr();  
  74.     setAllZero();  
  75.     setStateFromFile();  
  76.     printResult();  
  77.     deleteArr();  
  78.   
  79.     return 0;  
  80. }  

       结果与预期相符。  我们在测试的时候， 用的数据较小， 有兴趣的朋友可以把数据量加大， 进行测试。


       OK, 无非又是利用bit-map来节省空间而已， 其实很简单。 本文先介绍到这里了。




《bit-map牛刀小试：数组test[X]的值全部在区间[1, 8000]中， 现要输出test中重复的数。要求:1. 不能改变原数组; 2.时间复杂度为O(X);3.除test外空间不超过1KB》

原文链接：http://blog.csdn.net/stpeace/article/details/46594797


先来看看这个题目：数组test[X]的值全部在区间[1, 8000]中， 现要输出test中重复的数。要求:1. 不能改变原数组; 2.时间复杂度为O(X);3.除test外空间不超过1KB.


       好， 我们先给出一个不限空间的解法（为了程序方便， 假设X为10, 实际上可能很大）：

[cpp]  view plain copy
  1. #include <iostream>  
  2. using namespace std;  
  3.   
  4. #define X 10  
  5. #define N 8000  
  6.   
  7. // 输出重复的数字  
  8. void printDup(const int test[], int n)  
  9. {  
  10.     int a[N] = {0};  
  11.     int i = 0;  
  12.     for(i = 0; i < n; i++)  
  13.     {  
  14.         a[test[i] - 1]++;  
  15.     }  
  16.   
  17.     for(i = 0; i < N; i++) // 注意， 此处是N而不是n  
  18.     {  
  19.         if(a[i] > 1)  
  20.         {  
  21.             cout << i + 1 << endl;  
  22.         }  
  23.     }  
  24. }  
  25.   
  26. int main(void)   
  27. {  
  28.     int test[X] = {1, 2, 3, 4, 2, 5, 6, 7, 5, N};  
  29.     printDup(test, X);  
  30.       
  31.     return 0;  
  32. }  

        结果为：

2

5


       显然， 上述程序在空间上超标（且当X<N=8000时， 时间超标）， 究其原因是： 让一个int去存一个二值状态， 太浪费空间了， 和不用一个bit来存呢？ 所以， 我们自然想到了用bit-map来操作， 如下：

[cpp]  view plain copy
  1. #include <iostream>  
  2. using namespace std;  
  3.   
  4. #define X 10  
  5.   
  6. #define BIT_INT 32   // 1个int可以标志32个坑  
  7. #define SHIFT 5  
  8. #define MASK 0x1f  
  9. #define N 8000  
  10. int a[1 + N / BIT_INT]; // 需要1 + N / BIT_INT 个整数来标志N个事物  
  11.   
  12. // 将所有位都初始化为0状态  
  13. void setAllZero()  
  14. {  
  15.     memset(a, 0, (1 + N / BIT_INT) * sizeof(int));  
  16. }  
  17.   
  18. // 设置第i位为1  
  19. void setOne(int i)  
  20. {  
  21.     a[i >> SHIFT] |= (1 << (i & MASK));  
  22. }  
  23.   
  24. // 设置第i位为1  
  25. void setZero(int i)  
  26. {  
  27.     a[i >> SHIFT] &= ~(1 << (i & MASK));  
  28. }  
  29.   
  30. // 检查第i位的值  
  31. int getState(int i)  
  32. {  
  33.     return (a[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  34. }  
  35.   
  36. // 输出重复的数字  
  37. void printDup(const int test[], int n)  
  38. {  
  39.     int i = 0;  
  40.     for(i = 0; i < n; i++)  
  41.     {  
  42.         int state = getState(test[i] - 1);  
  43.         if(0 == state)  
  44.         {  
  45.             setOne(test[i] - 1);  
  46.         }  
  47.         else   
  48.         {  
  49.             cout << test[i] << endl;  
  50.         }  
  51.   
  52.     }  
  53. }  
  54.   
  55. int main(void)   
  56. {  
  57.     setAllZero();  
  58.     int test[X] = {1, 2, 3, 4, 2, 5, 6, 7, 5, N};  
  59.     printDup(test, X);  
  60.       
  61.     return 0;  
  62. }  
       结果为：

2

5


      且满足题目要求。 但是， 我随后发现这个程序还有个问题: 当test数组中某元素出现次数大于2时， 会重复输出， 比如：

[cpp]  view plain copy
  1. #include <iostream>  
  2. using namespace std;  
  3.   
  4. #define X 10  
  5.   
  6. #define BIT_INT 32   // 1个int可以标志32个坑  
  7. #define SHIFT 5  
  8. #define MASK 0x1f  
  9. #define N 8000  
  10. int a[1 + N / BIT_INT]; // 需要1 + N / BIT_INT 个整数来标志N个事物  
  11.   
  12. // 将所有位都初始化为0状态  
  13. void setAllZero()  
  14. {  
  15.     memset(a, 0, (1 + N / BIT_INT) * sizeof(int));  
  16. }  
  17.   
  18. // 设置第i位为1  
  19. void setOne(int i)  
  20. {  
  21.     a[i >> SHIFT] |= (1 << (i & MASK));  
  22. }  
  23.   
  24. // 设置第i位为1  
  25. void setZero(int i)  
  26. {  
  27.     a[i >> SHIFT] &= ~(1 << (i & MASK));  
  28. }  
  29.   
  30. // 检查第i位的值  
  31. int getState(int i)  
  32. {  
  33.     return (a[i >> SHIFT] & (1 << (i & MASK))) && 1;  
  34. }  
  35.   
  36. // 输出重复的数字  
  37. void printDup(const int test[], int n)  
  38. {  
  39.     int i = 0;  
  40.     for(i = 0; i < n; i++)  
  41.     {  
  42.         int state = getState(test[i] - 1);  
  43.         if(0 == state)  
  44.         {  
  45.             setOne(test[i] - 1);  
  46.         }  
  47.         else   
  48.         {  
  49.             cout << test[i] << endl;  
  50.         }  
  51.   
  52.     }  
  53. }  
  54.   
  55. int main(void)   
  56. {  
  57.     setAllZero();  
  58.     int test[X] = {1, 2, 3, 4, 2, 5, 6, 2, 5, N}; // 2出现3次  
  59.     printDup(test, X);  
  60.       
  61.     return 0;  
  62. }  
      结果为：

2

2

5


     我想了一下， 暂时没有想到只打印2, 5且符合题意的方法。 如果大家有好的思路， 欢迎赐教





Aiphis7
关注
专栏目录
海量数据处理面试题与Bit-map详解
wenyusuran的专栏
07-07 2455
同时，程序员编程艺术系列将重新开始创作，第十一章以后的部分题目来源将取自下文中的17道海量数据处理的面试题。因为，我们觉得，下文的每一道面试题都值得重新思考，重新深究与学习。再者，编程艺术系列的前十章也是这么来的。若您有任何问题或建议，欢迎不吝指正。谢谢。 第一部分、十五道海量数据处理面试题 1. 给定a、b两个文件，各存放50亿个url，每个url各占64字节，内存限制是4G，让你找出a、b
Bitmap
黑夜的触手
01-01 301
一、Bitmap 1、Bitmap组成 Bitmap的存储包含两个部分：像素以及长、宽、颜色等描述信息。像素是Bitmap最占内存的地方，长宽和像素位数是用来描述图片的，可以通过这些信息计算出图片的像素占用的内存的大小。 常用方法： getWidth() getHeight() Config getConfig() 枚举值 枚举类型 每个像素内存 ALP...
海量数据处理专题（四）——Bit-map
ganhongxia的专栏
09-28 1043
【什么是Bit-map】所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。如果说了这么多还没明白什么是Bit-map，那么我们来看一个具体的例子，假设我们要对0-7内的5个元素(4,7,2,5,3)排序（这里假设这些元素没有重复）。那么我们就可以采用Bit-map的方法来达到排序的目的。要表示8个数，我们就只需要8个Bit（1Bytes），首先我们开辟64Bytes的空间，将这些空间的所有Bit位都
【数据结构】Map和Set（Java实现）
最新发布
明志の博客
08-11 1437
Map/Set 及实际实现类 HashMap/TreeMap/HashSet/TreeSet 的使用 HashMap 和 HashSet 背后的数据结构哈希表的原理和简单实现
bit-map
2013--咱俩继续潜行。
09-20 557
1,所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。 【适用范围】 可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下 【基本原理及要点】 使用bit数组来表示某些元素是否存在，比如8位电话号码 【扩展】 Bloom filter可以看做是对bit-map
什么是bit—map
计算机技术博客
01-06 1236
直面意思：位—映射。 有人翻译成位图。这个词与其真实的意思有点不吻合。 两一方面。位图通常与矢量图在一起说。 本质上，其就是按位映射。     用途：统计、排序、标识大范围数据。 优势：使用较少的内存。 存储一大片数据。我们习惯上用int数据。或int的堆来做。     这样太费内存了。 bit-map是一个比较好的方法。 散列也是映射。散列的散列函数是比较灵活饿。可以讲
海量数据处理面试题集锦与Bit-map详解
01-31
方案1：可以估计每个文件安的大小为50G×64=320G，远远大于内存限制的4G。所以不可能将其完全加载到内存中处理。考虑采取分而治之的方法。遍历文件a，对每个url求取，然后根据所取得的值将url分别存储到1000个小文件...
十七道海量数据处理面试题与Bit-map详解
06-06
### 十七道海量数据处理面试题与Bit-map详解 #### 第一部分：十五道海量数据处理面试题 **题目一**：给定a、b两个文件，各存放50亿个URL，每个URL各占64字节，内存限制是4GB，让你找出a、b文件共同的URL。 - **...
【算法】——Bit-Map（位图）
汤庆
02-18 3408
所谓的BitMap就是用一个bit位来标记某个元素所对应的value，而key即是该元素，由于BitMap使用了bit位来存储数据，因此可以大大节省存储空间。 一、Bit-map的基本思想 　　32位机器上，对于一个整型数，比如int a=1 在内存中占32bit位，这是为了方便计算机的运算。但是对于某些应用场景而言，这属于一种巨大的浪费，因为我们可以用对应的32bit位对应存储十进...
【大数据处理】bitmap思想和2-Bitmap 实现
比尔丁子
04-17 1344
1. Bit-map思想 给你一堆西安市的电话号码列表，数量大概在千万级，要求从中找出所有重复的电话号码，需要时间复杂度尽可能小。 目前西安市的电话号码大概都以8开头，为8位，也就是类似于82678578这样子 二重暴力搜索时间复杂度太高，这里我们不予考虑。 容易想到的办法就是建立一个标志数组，int boolean都行，用相应的位置值来代替这个号码是否出现， 根据数组的可直接存取特性，
【数据结构】BitMap
小确幸的博客
04-09 2万+
<beans> <!-- 开启Annotation注解注入配置 --> <context:annotation-config /> <!-- 扫描包 --> <context:component-scan base-package="com.iflytek.jtcn" use-default-filters="false"> <context:include-filter type="annotation" expression.
Bitmap简介
qq_33212378的博客
12-23 346
Bitmap简介 BitMap Bit-map的基本思想就是用一个bit位来标记某个元素对应的Value，而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。（PS：划重点 节省存储空间） 假设有这样一个需求：在20亿个随机整数中找出某个数m是否存在其中，并假设32位操作系统，4G内存 在Java中，int占4字节，1字节=8位（1 byte = 8 bit） 如果每个数字用int存储，那就是20亿个int，因而占用的空间约为 (2000000000*4/1024/
海量数据处理之 Bit-map 详细讲解
养歌的博客
01-28 2717
现在有这么一个问题：现存在 20 亿个数字，需要知道哪些数字没有出现在里面.这个问题你可能觉得一个 for 循环就能解决。但是有两个问题，第一个就是for循环效率的问题，第二个问题就是 20 亿个数字需要占据的内存空间，例如要存下 20 亿个数字需要多大空间呢？假设使用 int 存储，在 Java 中，int 占 4 字节，1 字节 = 8 位（1 byte = 8 bit，存放 20 亿个数字则需要：(2000000000*4/1024/1024/1024) ≈ 7.45G左右。 面对上面的问题我们肯定不
BitMap算法
热门推荐
皮皮blog
03-19 4万+
http://blog.csdn.net/pipisorry/article/details/62443757BitMapBitMap从字面的意思，很多人认为是位图，其实准确的来说，翻译成基于位的映射。在所有具有性能优化的数据结构中，大家使用最多的就是hash表，是的，在具有定位查找上具有O(1)的常量时间，多么的简洁优美。但是数据量大了，内存就不够了。当然也可以使用类似外排序来解决问题的，由于要
Bit-map算法分析
wangwei890702的专栏
11-18 2915
转载自：http://weihe6666.iteye.com/blog/1184554 久闻《编程珠玑》一书中提出的bitmap算法之大名，只是没有深入的去研究，今天下午有兴致研究一番，才知道其中的玄机奥秘，不亚于KMP算法之巧妙，下面就由浅入深的谈谈bitmap算法。  一、bitmap算法思想      32位机器上，一个整形，比如int a; 在内存中占32bit位，可以用对
BitMap的原理以及运用
weixin_30813225的博客
06-09 1267
位图（Bitmap），即位（Bit）的集合，是一种数据结构，可用于记录大量的0-1状态，在很多地方都会用到，比如Linux内核（如inode，磁盘块）、Bloom Filter算法等，其优势是可以在一个非常高的空间利用率下保存大量0-1状态。 BitMap的原理 BitMap 的基本原理就是用一个bit 位来存放某种状态，适用于大规模数据，但数据状态又不是很多的情况。通常是用...
什么是Bit-map
AlvinTech14的专栏
10-05 419
【什么是Bit-map】 所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。 如果说了这么多还没明白什么是Bit-map，那么我们来看一个具体的例子，假设我们要对0-7内的5个元素(4,7,2,5,3)排序（这里假设这些元素没有重复）。那么我们就可以采用Bit-map的方法来达
海量数据处理：面试题与Bit-map方法分解URL问题
1. 将一个文件中的url映射到Bloom Filter中，4GB内存能表示大约340亿个bit。 2. 遍历另一个文件的url，检查它们是否存在于Bloom Filter中，如果匹配，则可能是重复url，但需要记住会有误报。 此外，还有关于文件...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值