海量数据处理算法—Bit-Map

最新推荐文章于 2023-06-07 10:06:52 发布
最新推荐文章于 2023-06-07 10:06:52 发布
阅读量181 收藏
点赞数
分类专栏： 算法 文章标签： 数据结构 算法 设计
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：

[cpp]  view plain copy
  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. } 
[cpp]  view plain copy
  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：
[cpp]  view plain copy
  1. void set(int i)  
  2. {  
  3.    a[i/32] |= (1<<(i%32));  
  4. } 
[cpp]  view plain copy
  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：

[cpp]  view plain copy
  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. } 
[cpp]  view plain copy
  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：

[cpp]  view plain copy
  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. } 

U的传人
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Localization from mere connectivity_MDS降维算法_数据降维_MDS-MAP_
09-29
基于多维标度技术的经典降维算法MDS-MAP，实现高维数据到二维数据的降维处理。
BitMap算法总结
breakout_alex的博客
04-24 557
简介 bitmap是一个十分有用的结构。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，因此可以大大节省存储空间。 基本思想 这此我用一个简单的例子来详细介绍BitMap算法的原理。假设我们要对0-7内的5个元素(4,7,2,5,3)进行排序(这里假设元素没有重复)。我们可以使用BitMap算法达到排序目的。...
海量数据处理，转自android小猪
猫的专栏
09-16 722
转自  android小猪 问题: 假设一个文件中有9 亿条不重复的9 位整数，现在要求对这个文件进行排序。  一般解题思路:  1 、将数据导入到内存中  2 、将数据进行排序　（比如插入排序、快速排序）  3 、将排序好的数据存入文件  难题:  一个整数为4 个字节  即使使用数组也需要900,000,000 * 4byte = 3.6G 内存 （详
Bitmap为啥那么强大？亿万级数据计算在它面前就是小意思
网络技术联盟站
06-07 190
在数据处理和分析中，常常需要对大量的数据进行统计和计算。当数据量达到亿级别时，传统的数据结构和算法已经无法胜任这个任务。Bitmap（位图）是一种适合于大规模数据统计的数据结构，能够以较低的空间复杂度存储大规模数据，并且支持高效的位运算操作。本文将介绍 Bitmap 的基本概念、实现方式和在亿级数据计算中的应用。Bitmap 是一种基于位存储的数据结构，能够以较低的空间复杂度存储大规模数据，并且支持高效的位运算操作。在进行亿级数据计算时，Bitmap 能够极大地提高数据处理和分析的效率。
用 Bitmap 实现亿级海量数据统计
qq_38470315的博客
05-06 537
在移动应用的业务场景中，我们需要保存这样的信息：一个 key 关联了一个数据集合。常见的场景如下：给一个 userId ，判断用户登陆状态；显示用户某个月的签到次数和首次签到时间；两亿用户最近 7 天的签到情况，统计 7 天内连续签到的用户总数；通常情况下，我们面临的用户数量以及访问量都是巨大的，比如百万、千万级别的用户数量，或者千万级别、甚至亿级别的访问信息。所以，我们必须要选择能够非常高效地统计大量数据（例如亿级）的集合类型。四种统计类型：二值状态统计；聚合统计；排序统计；基数统计。
算法源码-数据处理：拉格朗日插值算法.zip
06-06
算法源码-数据处理：拉格朗日插值算法.zip
C++算法之海量数据处理方法的总结分析
09-05
本篇文章是对海量数据处理方法进行了详细的总结与分析，需要的朋友参考下
海量数据处理系列之:用C++实现Bitmap算法
01-01
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的扩展问题实例：1)...
算法源码-数据处理：分段线性插值算法代码.zip
06-06
算法源码-数据处理：分段线性插值算法代码.zip
map集合存100条数据和存1万条数据有什么区别？
m0_67402026的博客
04-20 526
数据存储结构不一样。 具体什么区别求解决。
数据结构——bitmap
ying357的专栏
05-08 8028
最近在看《编程珠玑》, 写下对位图bitmap的理解
数据扩展 （mixup）
蓝鲸鱼的博客
08-02 4051
本文介绍一种新的数据扩展方法。 参考文献 【深度学习】Mixup: Beyond Empirical Risk Minimization
算法扩展
weixin_30675247的博客
03-12 172
（以下算法出自　　算法爱好者　　，由本人精简，拓展学习。版权所有http://www.cnblogs.com/ytlds/） 1、最小栈的实现 　　实现一个栈，带有出栈（POP），入栈（PUSH），取最小元素（getMin）三个方法，保证方法时间复杂度为O(1) 　　步骤：①创建2个栈A、B，B用来辅助A 　　　　　②第一个元素进栈时，元素下标进入栈B，此时这个元素就是最小元素 ...
【数据结构与算法拓展】二叉堆原理、实现与例题（C和java）
wayne_lee_lwc的博客
11-21 678
前言 数据结构，一门数据处理的艺术，精巧的结构在一个又一个算法下发挥着他们无与伦比的高效和精密之美，在为信息技术打下坚实地基的同时，也令无数开发者和探索者为之着迷。 也因如此，它作为博主大二上学期最重要的必修课出现了。由于大家对于上学期C++系列博文的支持，我打算将这门课的笔记也写作系列博文，既用于整理、消化，也用于同各位交流、展示数据结构的美。 此系列文章，将会分成两条主线，一条“数据结构基础”，一条“数据结构拓展”。“数据结构基础”主要以记录课上内容为主，“拓展”则是以课上内容为基础的更加高深的数据结构
移位存储详解
独行侠
01-01 2164
IEEE 754 浮点数存储标准 规定浮点数格式如下： ​​​ s表示符号位，当s=0，V为正数；当s=1，V为负数 E表示8位阶码，采用移位存储 M表示23位尾数，如M为10100....，那么M所代表的二进制浮点数为M'=1+1/2+1/2^2=1.75，2>M'>=1 根据32位数计算为十进制：V=(−1)^s × M' × 2^(E−127)， 移位存储详解 如...
search——bitmap的交并差补，加速版，位运算
Go的全部
12-08 1742
bitmap的交并差补，加速版，位运算
使用C++/CLR进行C++ cv::Mat 与 C# Bitmap 之间的相互转换
wjsiou123的博客
06-23 7592
//--------------Functions.h-------------------- #include <opencv\cv.h> #include<opencv.hpp> #include <string> cv::Mat BitmapToMat(System::Drawing::Bitmap^ bitmap); System::Draw...
Bitmap的释放流程
....
01-04 1517
上篇文章谈到了Bitmap的生成，现在说说Bitmap的释放，要不总是有种没说完的感觉。       Bitmap的释放相对来说，比较简单，还是先上张时序图吧！ 一些说明： 1，AndroidPixelRef的设置是在Bitmap生成的GraphicsJNI::setJavaPixelRef里完成的，这里可以参见文章《Bitmap的生成流程之BitmapFactory.decod
mds-map定位算法
最新发布
01-23
在MDS-MAP定位算法中，首先使用MDS方法将高维空间中的数据点映射到低维空间，然后利用MAP方法对映射后的数据点进行定位。这个过程可以理解为在低维空间中寻找最有可能的位置分布，以最大化观察数据的概率。 MDS-MAP...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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