40亿个数中找一个数？1GB内存足够，这个算法绝了！

40亿个数中找一个数？1GB内存足够，这个算法绝了！

在大数据处理场景中，经常会遇到这样的问题：给定40亿个不重复的unsigned int整数（范围0~4294967295），内存限制1GB，如何快速判断一个数是否存在于其中？
传统方法如哈希表、排序搜索等在空间或时间上都难以满足要求，而**位图算法（Bit Map）**却能轻松破解这个难题，用仅512MB内存实现O(1)时间复杂度的查询！

一、为什么传统方法行不通？

先算笔账：

• unsigned int占4字节，40亿个数需至少16GB内存（40亿×4字节=160亿字节≈15GB），远超1GB限制。
• 哈希表：除存储数据外还需额外哈希桶空间，内存占用更大，且实现复杂。
• 排序+二分查找：需先排序（耗时且内存不足），单次查询O(logN)，效率不如O(1)。

核心矛盾：如何用有限内存表示42亿个可能的整数？位图算法给出了答案。

二、位图算法：用“位”代替“字节”的魔法

1. 原理：1位表示一个数的存在性

• unsigned int有42.9亿个可能值，每个值用**1位（bit）**标记是否存在：
  • 存在→对应位置1，不存在→置0。
• 总位数：42.9亿位≈512MB（1字节=8位，512MB=536,870,912字节=4,294,967,296位），刚好在1GB内存限制内。

2. 类比理解：给每个数发一张“二进制门票”

想象有42亿个座位（对应0~4294967295），每个座位有一个开关（1位）：

• 当数x存在时，按下x号座位的开关（置1）；
• 查询时，看x号座位的开关是否打开（是否为1）。
  而“座位”被分组，每8个座位组成一个“字节抽屉”（共512MB个抽屉），通过简单计算就能定位到具体座位。

三、3步实现：从数据填充到快速查询

步骤1：初始化512MB的“二进制画布”

创建一个长度为2^29的unsigned char数组（每个元素8位）ÿ