BitMap 基本思想
一个 int 在计算机中占 4 个字节。1 个字节占 8bit，也就是说一个 int 数字占 32bit。
而对于某些场景而言。这属于一种巨大的浪费，因为我们可以用对应的 32bit 位对应存储十进制的 0-31 个数,而这就是 BitMap 的基本思想。Bit-map 算法利用这种思想处理大量数据的排序、查询以及去重。
BitMap 代码实现
在讲代码之前我们先补充一些基础关于位运算的基础知识。基础还不错的同学可以跳过这部分。
int 在计算机中的存储方式
int t=1 那么 t 在计算机中如何存储的呢？
0000 0000 0000 0000 0000 0000 0000 0001
为什么要讲这个呢。因为在 BItMap 中涉及到关于 bit 的存储和计算。
运算符基础
左移 << ：8 << 2 = > 8*4=32
8: 0000 0000 0000 0000 0000 0000 0000 1000
<<2: 0000 0000 0000 0000 0000 0000 0010 0000 => 2^5= 2*2*2*2*2=32
右移 >>:8 >> : 8 / 4 = 2
8: 0000 0000 0000 0000 0000 0000 0000 1000
>>2: 0000 0000 0000 0000 0000 0000 0000 0010 => 2^1=2
8 / 4 => 8 >> 2 8*4 => 8 << 2
- 位与 &:同位上的两个数都是 1 则位 1，否则为 0
- 位或 |:同为上的两个数只要有一个为 1 则为 1，否则为 0
OK，位运算的简单回顾就到这里，还有不懂的同学可以自行百度一下。
位图（BitMap）
通过以上知识我们可以知道 一个 int 占 32 个 bit 位。假如我们用这个 32 个 bit 位的每一位的值来表示一个数的话是不是就可以表示 32 个数字，也就是说 32 个数字只需要一个 int 所占的空间大小就可以了，瞬间就可以缩小空间 32 倍。
不过，位图有什么用呢？
有大用处哦，比如，我们要统计某个用户一年的活跃度，就可以使用位图来实现。
一年有 365 天，一个 long 类型可以表示 64 位，365/64=6，只需要 6 个 long 类型就可以记录一个用户一年的活跃情况，怎么记录呢？
很简单，初始时，位图中所有位都是 0，当这个用户某天登录了，就在位图中找到这天，把其位变成 1，一年下来，这张位图就记录了这个用户哪些天登录了，统计这个位图中 1 的数量，除以 365，就得到了他的活跃度。
BitMap 算法原理
假设我们要存储的数字是 64。那么我们要如何申请内存呢？ 只要申请 64/32+1 个数组即可。即最大的数 64：bit[64/32+1]=bit[3];
bits[0]:0000 0000 0000 0000 0000 0000 0000 0000 0~31
bits[1]:0000 0000 0000 0000 0000 0000 0000 0000 32~63
bits[2]:0000 0000 0000 0000 0000 0000 0000 0000 64~95
-4/32=0 说明在 bit[0]中，下标 4%32=4 说明在第 5 个位置（下标从 0 开始）
- 65/32=2 说明在 bit[2]中，下标 65%32=1 说明在 bit[2]的第 2 个位置。
以下是代码实现
public class BitMap {
byte[] bits;
/**
* 初始化要存储的最大的那个数
*/
int max;
/**
* 初始化 bit 数组
*/
public BitMap(int max) {
this.max=max;
bits=new byte[(max>>3)+1];
}
/** 添加方法 */
public void add(int n){
// 向右移 3 位
int bitsIndex=n>>3;
// 取余
int loc=n%8;
// 将此下标的数组左移 loc 位置为 1
bits[bitsIndex]|=1<<loc;
}
public void delete(int n){
int bitsIndex=n>>3;
int loc=n%8;
// 先看是是否有该数。
if (find(n)){
// 将该位数字减一
bits[bitsIndex]-=1<<loc;
}
}
public Boolean find(int n){
int bitsIndex=n>>3;
int loc=n%8;
int flag=bits[bitsIndex]&(1<<loc);
return flag!=0;
}
public static void main(String[] args) {
BitMap bitMap=new BitMap(64);
bitMap.add(30);
bitMap.add(28);
bitMap.add(59);
bitMap.add(23);
bitMap.delete(30);
System.out.println(bitMap.find(28));
System.out.println(bitMap.find(30));
System.out.println(bitMap.find(40));
}
BitMap 应用之快速排序
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）,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，
0000 0000
对应位设置为 1:
0011 1101
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，时间复杂度 O(n)。
- 优点： 运算效率高，不需要进行比较和移位；占用内存少，比如 N=10000000；只需占用内存为 N/8=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。
BitMap 应用之快速去重
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。
首先，根据“内存空间不足以容纳这 2.5 亿个整数”我们可以快速的联想到 Bit-map。下边关键的问题就是怎么设计我们的 Bit-map 来表示这 2.5 亿个数字的状态了。
其实这个问题很简单，一个数字的状态只有三种，分别为不存在，只有一个，有重复。
因此，我们只需要 2bits 就可以对一个数字的状态进行存储了，假设我们设定一个数字不存在为 00，存在一次 01，存在两次及其以上为 11。
那我们大概需要存储空间几十兆左右。 接下来的任务就是遍历一次这 2.5 亿个数字，如果对应的状态位为 00，则将其变为 01； 如果对应的状态位为 01，则将其变为 11；如果为 11，,对应的转态位保持不变。
最后，我们将状态位为 01 的进行统计，就得到了不重复的数字个数，时间复杂度为 O(n)。
BitMap 应用之快速查询
同样，我们利用 Bit-map 也可以进行快速查询，这种情况下对于一个数字只需要一个 bit 位就可以了，0 表示不存在，1 表示存在。假设上述的题目改为，如何快速判断一个数字是够存在于上述的 2.5 亿个数字集合中。 同之前一样，首先我们先对所有的数字进行一次遍历，然后将相应的转态位改为 1。遍历完以后就是查询，由于我们的 Bit-map 采取的是连续存储（整型数组形式，一个数组元素对应 32bits），我们实际上是采用了一种分桶的思想。一个数组元素可以存储 32 个状态位，那将待查询的数字除以 32，定位到对应的数组元素（桶），然后再求余（%32），就可以定位到相应的状态位。如果为 1，则代表改数字存在；否则，该数字不存在。就是我们代码中的 find 方法的实现,只不过我们在代码中是申请的 8 位数组。所以求余（%8）就可以了。
444
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
