Programming Perls

Column 1 

#10

简述 ：发生在一个store（2）的故事 ，顾客的电话号码（1）来作为database中，检索（3） 的 PK （ primary key ），而且，显然每个顾客知道自己的电话号码，并且，电话号码“几乎”唯一（4） 。

要求 ：高效地 插入 和 检索 。

背景 ： 

1. 米国的电话号码都是 area code - in-area code ( 3 + 7 digits ) . ，如 412-268 7884。

2. store：估计也就比grocery大一点，国内地区性连锁卖场的分店，比如红旗啊，大润发之类

3. 检索：retrieval 。

4. 原文：close to unique。

思考过程 ：

数据的pattern（pattern是fixed，是一种invariant）：因为假设是地区性的store，所以area-code可以认作是相同的（而且非本area的顾客，不会跑来买东西），因此，datum 实际上是 7-digits 的sequence，当然，当做million级别的数也是正确的，这里还不需要考虑。

数据的规模 ：虽然有 7-digits 的 “空间” ， 但是 ，在那个时代 ， 估计这样的 store 一天有 1k 的人电话订购 就很正常了。即使order保存 4~5 天 ， 也不过 4~5 K 的 record。而且，数据是 random 分布在 7-digits 的 ”空间“ 中的 。 

数据的特点 ：sparse 是 最大的特点。

对数据的操作（manipulation on data ） ： 要求是 insert 和 retrieval 。 但显然 ， 有了 insert 就该有 delete （ 删除 order *无论过不过期，都是要删除的* ）。 这显然是一个 一个 set 操作集合 ： 

insert ， delete 和 contains 。 那么 ，选用的 ， 自然应该是 set类型的 数据结构。

于是：

bitmap ：本column讲的就是bitmap。三个操作都是O(1) 的 ，似乎很好地解决了

 但有个问题 ： 数据是 sparse 的 ，也就是说 ， bitmap 的巨大 存储空间内 ， 会有大量的 holes ， 存储的利用率太低了。

那么，还能进一步optimize么？还有别的数据结构（应该是 set 类型的 DS ），可以在 3个操作上得到O(1) 的 时间复杂度 ， 并且 ， 提高存储的利用率么 ？