当实现时间复杂度优化的时候,经常会用到hash表来存储一些数据,然后查找,来提高时间复杂度。如果直接设置int arr[]数组,对于大数据来说,会需要很大的空间来存储,严重影响效率。而bitmap是用位来存储数据的:如果只是表示有无,每个数据分配1位;如果表示多个,可能需要给每个数据分配多位(例如统计大数据中不重复的个数,用0、1、2来表示状态)
bitmap在对数据进行排序时,其复杂度为O(n)。当然这是拿空间换来的。与bitmap类似的还有Bloom filter,Bloom filter可以看做是对bit-map的扩展。
样例1:对数组array[4,7,2,5,3]排序
bitmap采用的是以空间换时间的思想,数组中最大元素值为7,所以在内存中开辟8位的存储空间,存储空间大小的确定方法是(元素最大值/8+1),之所以除以8,是因为开辟空间的时候以byte为单位,1byte=8bit。
开辟8位的空间后,每位初始化为0,如下表:
0号位 | 1号位 | 2号位 | 3号位 | 4号位 | 5号位 | 6号位 | 7号位 |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
开始遍历array数组,array[0]=4时,则将4号位’置1,变为下表:
0号位 | 1号位 | 2号位 | 3号位 | 4号位 | 5号位 | 6号位 | 7号位 |
0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
array[1]=7时,则将7号位置1,变为下表:
0号位 | 1号位 | 2号位 | 3号位 | 4号位 | 5号位< |