bitmap的java原理_布隆算法的原理及JAVA实现

Bloom Filter是由Bloom在1970年提出的一种多哈希函数映射的快速查找算法。通常应用在一些需要快速判断某个元素是否属于集合，但是并不严格要求100%正确的场合。

Bloom Filter是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。Bloom Filter的这种高效是有一定代价的：在判断一个元素是否属于某个集合时，有可能会把不属于这个集合的元素误认为属于这个集合(false positive)。因此，Bloom Filter不适合那些“零错误”的应用场合。而在能容忍低错误率的应用场合下，Bloom Filter通过极少的错误换取了存储空间的极大节省。

比如10亿个int类型的数，如果用int数组存储的话，那么需要大约4G内存，浪费内存。如果用bitmap解决，就比较方便。java语言中没有bitmap结构，我们采用byte模拟。一个byte占8个bit，如果每一个bit的值是1或0，代表有或没有。下图所示：

构建特定长度的byte数组(new byte[capacity/8 + 1])，其中capacity为整数数组长度(如：1000个数字，就是1000/8)

计算数字num在byte[]中的位置索引(num/8和num >> 3一样)，也就是说num在byte[k]中的索引，计算索引k

计算数字num在byte中的位置，就是在byte的第几位，每个byte有8位(num % 8)，采用二进程与计算

找到该数字存储位置后，将bit中的0变成1，即表示该数已存在bitmap中，如图

判断指定数字num是否存在数组中

完整代码：