哈希应用：位图

，哈希在很多方面都有着其特殊的作用，今天我们来介绍两种关于哈希的应用方面，对于大数据的处理。

第一 位图

如果说，要在4000亿的无符号整型中，找存在的那个数，该如何处理呢，明显是key的模型，找一个数是否存在，但是内存不够啊，1G是10亿的数据，那么4000亿的话是400G，还要有整形4个字节，总来说要1600G，服务器能有这么大吗？

肯定是有这么大的服务器的，但是呢不能全去处理这个数据吧，因此对于大数据的处理，对于空间的要求就比较的高了，我们一方面要考虑数据的查找效率，还有空间的储存可能。

因此根据哈希的变形，有了位图这种数据结构，原理思想是什么呢？

首先我们只需要知道这个数据在不在，那么就有这么个思想，我们可以选择位来表示状态，来说明数在不在，我们不必要用过多的属性去描述这个数据。因此位图的思想是，用位来表示其数的存在性，来判别。

其实我们可以去思考，越有特性的数其实相对于来说描述其更加容易，所以才在一个数据的属性很少时，我们就可以使用相对小的空间来描述它，哈希就是描述的方式，而无符号整形相对来说特性很高，所以很好描述。

那用位来控制，就是定义一个整型来控制，除32表示第几个整型，膜32表示第几位表示这个数。而查找的时候反向找就可以找到，因为是一一对应的，所以一个位一定能表示一个数。因此如果要寻找，那么只需要500M就能表示全部的无符号整型，具体的实现看代码吧~

#pragma once
#include <vector>

namespace whc
{
	class bitset
	{
	public:
		bitset(size_t N)
		{
			_bits.resize(N / 32 + 1, 0);
			_num = 0;
		}

		void set(size_t x)
		{
			size_t index = x / 32;
			size_t pos = x % 32;

			_bits[index] |= (1 << pos);

			_num++;

		}

		void reset(size_t x)
		{
			size_t index = x / 32;
			size_t pos = x % 32;

			_bits[index] &= ~(1 << pos);

			_num--;

		}

		bool test(size_t x)
		{
			size_t index = x / 32;
			size_t pos = x % 32;

			return _bits[index] &= (1 << pos);
		}



	private:
		std::vector<int> _bits;
		size_t _num;
	};
}

位图的实现不难，主要用于对位操作符的应用，但其思想，却是很重要的，对于不同的属性数据，用较小的空间来描述他的属性便可以，不用一定需要将它的所有属性描述出来~因为位图具有很多的变型使用。