算法通关村第十五关——位运算在查找重复元素中的妙用

前言

大部分算法默认给定的数据量都比较小，只有几个或者几十个元素，但是如果将数据量提高到百万甚至几十亿，那么处理逻辑就会发生很大差异。在海量数据中，普通数据结构都无效了，因为内存空间放不下，常规的递归、排序、回溯、贪心和动态规划等思想也无效了，执行都会超时。这里介绍三种非常典型的思路：

1. 使用位存储，其最大的好处是占用的空间是直接存储整数的$\frac{1}{8}$，例如一个40亿的整数数组，如果用整数存储需要16GB左右的空间，而如果使用位存储，就可以用大约0.5GB的空间，大大节省了存储空间。
2. 如果文件实在太大，无法在内存中放下，就需要考虑将大文件分成若干小块，先处理每个块，最后再逐步得到想要的结果，这种方式也叫做外部排序。这样需要遍历全部序列至少两次，是典型的用时间换空间的方法。
3. 用堆，如果在超大数据中找第K大、第K小，K个最大、K个最小，则特别适合使用堆来做。而且超大数据换成流数据也可以，而且几乎是唯一的方式，口诀就是“查小用大堆，查大用小堆”。

用4KB内存寻找重复元素

题目：给定一个数组，包含从1到N的整数，N最大为32000，数组可能还有重复值，且N的取值不定，若只有4KB的内存可用，该如何打印数组中所有重复元素。

分析：首先计算所需的位向量大小，然后创建一个位向量数组，将数组中的元素映射到位向量中的位。在遍历数组时，它检查位向量中的相应位是否已经设置，如果已设置，则表示重复元素，将其添加到结果数组中。如果未设置，则将相应位设置为1，表示已经访问过该元素。最后，返回包含重复元素的数组。

代码如下：

function findDuplicates(arr) {
    // 根据最大可能的N值，计算所需的位向量大小（bit数组大小）
    const maxN = 32000;
    const vectorSize = Math.ceil(maxN / 32);

    // 初始化位向量，每个元素都为0
    const bitVector = new Array(vectorSize).fill(0);

    // 用于存储重复元素的数组
    const duplicates = [];

    for (const num of arr) {
        const index = Math.floor((num - 1) / 32); // 计算位向量中的索引
        const bit = 1 << ((num - 1) % 32); // 计算在索引中的位

        // 如果该位已经被设置为1，说明该元素是重复的
        if ((bitVector[index] & bit) !== 0) {
            duplicates.push(num);
        } else {
            // 否则，将该位设置为1，表示已经访问过该元素
            bitVector[index] |= bit;
        }
    }

    return duplicates;
}