bitmap算法

   Bloom Filter已在上一篇文章海量数据处理之Bloom Filter详解中予以详细阐述，本文接下来着重阐述Bit-map。有任何问题，欢迎不吝指正。

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)|(0×01<<(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。下面的代码给出了一个BitMap的用法：排序。

1. //定义每个Byte中有8个Bit位  
2. #include ＜memory.h＞  
3. #define BYTESIZE 8  
4. void SetBit(char *p, int posi)  
5. {  
6.     for(int i=0; i ＜ (posi/BYTESIZE); i++)  
7.     {  
8.         p++;  
9.     }  
10.   
11.     *p = *p|(0x01＜＜(posi%BYTESIZE));//将该Bit位赋值1  
12.     return;  
13. }  
14.   
15. void BitMapSortDemo()  
16. {  
17.     //为了简单起见，我们不考虑负数  
18.     int num[] = {3,5,2,10,6,12,8,14,9};  
19.   
20.     //BufferLen这个值是根据待排序的数据中最大值确定的  
21.     //待排序中的最大值是14，因此只需要2个Bytes(16个Bit)  
22.     //就可以了。  
23.     const int BufferLen = 2;  
24.     char *pBuffer = new char[BufferLen];  
25.   
26.     //要将所有的Bit位置为0，否则结果不可预知。  
27.     memset(pBuffer,0,BufferLen);  
28.     for(int i=0;i＜9;i++)  
29.     {  
30.         //首先将相应Bit位上置为1  
31.         SetBit(pBuffer,num[i]);  
32.     }  
33.   
34.     //输出排序结果  
35.     for(int i=0;i＜BufferLen;i++)//每次处理一个字节(Byte)  
36.     {  
37.         for(int j=0;j＜BYTESIZE;j++)//处理该字节中的每个Bit位  
38.         {  
39.             //判断该位上是否是1，进行输出，这里的判断比较笨。  
40.             //首先得到该第j位的掩码（0x01＜＜j），将内存区中的  
41.             //位和此掩码作与操作。最后判断掩码是否和处理后的  
42.             //结果相同  
43.             if((*pBuffer&(0x01＜＜j)) == (0x01＜＜j))  
44.             {  
45.                 printf("%d ",i*BYTESIZE + j);  
46.             }  
47.         }  
48.         pBuffer++;  
49.     }  
50. }  
51.   
52. int _tmain(int argc, _TCHAR* argv[])  
53. {  
54.     BitMapSortDemo();  
55.     return 0;  
56. }  

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（关于Bloom filter，请参见：海量数据处理之Bloom filter详解）。

问题实例

1)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。

参考：

1. http://www.cnblogs.com/youwang/archive/2010/07/20/1781431.html。
2. http://blog.redfox66.com/post/2010/09/26/mass-data-4-bitmap.aspx。

完。

http://www.cnblogs.com/dyllove98/archive/2013/07/26/3217741.html

概述

所谓bitmap就是用一个bit位来标记某个元素对应的value，而key即是这个元素。由于采用bit为单位来存储数据，因此在可以大大的节省存储空间

算法思想

32位机器上，一个整形，比如int a;在内存中占32bit，可以用对应的32个bit位来表示十进制的0-31个数，bitmap算法利用这种思想处理大量数据的排序与查询

优点：

• 效率高，不需进行比较和移位
• 占用内存少，比如N=10000000;只需占用内存为N/8 = 1250000Bytes = 1.2M，如果采用int数组存储，则需要38M多（10000000*32(bit)  /8 / 1024 / 1024 =38.14M）  (B，K，M，G)  1B=8bit

缺点：

• 无法对存在重复的数据进行排序和查找

示例：

申请一个int型的内存空间，则有4Byte，32bit。输入 4， 2,  1,  3时：

输入4：

输入2：

输入1：

输入3：

思想比较简单，关键是十进制和二进制bit位需要一个map映射表，把10进制映射到bit位上

map映射表

假设需要排序或者查找的总数N=10000000,那么我们需要申请的内存空间为 int a[N/32 + 1].其中a[0]在内存中占32位,依此类推：

bitmap表为：

a[0] ------> 0 - 31

a[1] ------> 32 - 63

a[2] ------> 64 - 95

a[3] ------> 96 - 127

......

下面介绍用位移将十进制数转换为对应的bit位

位移转换

（1） 求十进制数0-N对应的在数组a中的下标

index_loc = N / 32即可，index_loc即为n对应的数组下标。例如n = 76, 则loc = 76 / 32 = 2,因此76在a[2]中。

（2）求十进制数0-N对应的bit位

bit_loc = N % 32即可，例如 n = 76, bit_loc = 76 % 32 = 12

（3）利用移位0-31使得对应的32bit位为1

代码示例(c语言)

#include <stdio.h>
#include <stdlib.h>

#define SHIFT 5
#define MASK 0x1F

/**
 * 设置所在的bit位为1
 *
 * T = O(1)
 *
 */
void set(int n, int *arr)
{
	int index_loc, bit_loc;

	index_loc = n >> SHIFT; // 等价于n / 32
	bit_loc = n & MASK;	// 等价于n % 32

	arr[index_loc] |= 1 << bit_loc;
}

/**
 * 初始化arr[index_loc]所有bit位为0
 *
 * T = O(1)
 *
 */
void clr(int n, int *arr)
{
	int index_loc;

	index_loc = n >> SHIFT;

	arr[index_loc] &= 0;
}

/**
 * 测试n所在的bit位是否为1
 *
 * T = O(1)
 *
 */
int test(int n, int *arr)
{
	int i, flag;

	i = 1 << (n & MASK);

	flag = arr[n >> SHIFT] & i;

	return flag;
}

int main(void)
{
	int i, num, space, *arr;

	while (scanf("%d", &num) != EOF) {
		// 确定大小&&动态申请数组
		space = num / 32 + 1;
		arr = (int *)malloc(sizeof(int) * space);

		// 初始化bit位为0
		for (i = 0; i <= num; i ++)
			clr(i, arr);

		// 设置num的比特位为1
		set(num, arr);
		
		// 测试
		if (test(num, arr)) {
			printf("成功！\n");
		} else {
			printf("失败!\n");
		}
	}

	return 0;
}

参考链接

1.  http://blog.csdn.net/v_july_v/article/details/6685962