海量数据处理算法—Bit-Map

最新推荐文章于 2023-11-24 11:20:45 发布
最新推荐文章于 2023-11-24 11:20:45 发布
阅读量178 收藏
点赞数
文章标签： python c/c++
原文链接：https://my.oschina.net/floristgao/blog/301591
版权

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

1. Bit Map算法简介

        来自于《编程珠玑》。所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。

2、 Bit Map的基本思想

        我们先来看一个具体的例子，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）。那么我们就可以采用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，如下图：
                                                       


然后遍历这5个元素，首先第一个元素是4，那么就把4对应的位置为1（可以这样操作 p+(i/8)|(0x01<<(i%8)) 当然了这里的操作涉及到Big-ending和Little-ending的情况，这里默认为Big-ending）,因为是从零开始的，所以要把第五位置为一（如下图）：
 

                                                      


然后再处理第二个元素7，将第八位置为1,，接着再处理第三个元素，一直到最后处理完所有的元素，将相应的位置为1，这时候的内存的Bit位的状态如下： 
 

                                                    


然后我们现在遍历一遍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。


优点：

1.运算效率高，不许进行比较和移位；

2.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。    


算法思想比较简单，但关键是如何确定十进制的数映射到二进制bit位的map图。


3、 Map映射表

假设需要排序或者查找的总数N=10000000，那么我们需要申请内存空间的大小为int a[1 + N/32]，其中：a[0]在内存中占32为可以对应十进制数0-31，依次类推： 
bitmap表为： 
a[0]--------->0-31 
a[1]--------->32-63 
a[2]--------->64-95 
a[3]--------->96-127 
.......... 
那么十进制数如何转换为对应的bit位，下面介绍用位移将十进制数转换为对应的bit位。 

3、 位移转换 

申请一个int一维数组，那么可以当作为列为32位的二维数组，

               |                           32位                                       |

int a[0]    |0000000000000000000000000000000000000|

int a[1]    |0000000000000000000000000000000000000|

………………

int a[N]   |0000000000000000000000000000000000000|

例如十进制0，对应在a[0]所占的bit为中的第一位： 00000000000000000000000000000001 
0-31：对应在a[0]中 
i =0                            00000000000000000000000000000000 
temp=0                     00000000000000000000000000000000 
answer=1                 00000000000000000000000000000001 


i =1                            00000000000000000000000000000001 
temp=1                     00000000000000000000000000000001 
answer=2                 00000000000000000000000000000010 


i =2                            00000000000000000000000000000010 
temp=2                     00000000000000000000000000000010 
answer=4                 00000000000000000000000000000100 


i =30                              00000000000000000000000000011110 
temp=30                       00000000000000000000000000011110 

answer=1073741824  01000000000000000000000000000000 


i =31                               00000000000000000000000000011111 
temp=31                         00000000000000000000000000011111 
answer=-2147483648 10000000000000000000000000000000 

32-63：对应在a[1]中 
i =32                            00000000000000000000000000100000 
temp=0                        00000000000000000000000000000000 
answer=1                    00000000000000000000000000000001 


i =33                            00000000000000000000000000100001 
temp=1                       00000000000000000000000000000001 
answer=2                    00000000000000000000000000000010 


i =34                            00000000000000000000000000100010 
temp=2                        00000000000000000000000000000010 
answer=4                    00000000000000000000000000000100 


i =61                              00000000000000000000000000111101 
temp=29                       00000000000000000000000000011101 
answer=536870912    00100000000000000000000000000000 


i =62                               00000000000000000000000000111110 
temp=30                        00000000000000000000000000011110 
answer=1073741824  01000000000000000000000000000000 


i =63                                00000000000000000000000000111111 
temp=31                         00000000000000000000000000011111 
answer=-2147483648  10000000000000000000000000000000

浅析上面的对应表，分三步： 
1.求十进制0-N对应在数组a中的下标： 
十进制0-31，对应在a[0]中，先由十进制数n转换为与32的余可转化为对应在数组a中的下标。比如n=24,那么 n/32=0，则24对应在数组a中的下标为0。又比如n=60,那么n/32=1，则60对应在数组a中的下标为1，同理可以计算0-N在数组a中的下标。 

2.求0-N对应0-31中的数： 

十进制0-31就对应0-31，而32-63则对应也是0-31，即给定一个数n可以通过模32求得对应0-31中的数。 

3.利用移位0-31使得对应32bit位为1. 

找到对应0-31的数为M, 左移M位：即2^M. 然后置1.


由此我们计算10000000个bit占用的空间：

1byte = 8bit

1kb = 1024byte

1mb = 1024kb

占用的空间为：10000000/8/1024/1024mb。

大概为1mb多一些。

3、 扩展 

        Bloom filter可以看做是对bit-map的扩展 


4、 Bit-Map的应用

      1）可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下。

       2）去重数据而达到压缩数据


5、 Bit-Map的具体实现

c语言实现：

  1. #define BITSPERWORD 32  

  2. #define SHIFT 5  

  3. #define MASK 0x1F  

  4. #define N 10000000  

  5.   

  6. int a[1 + N/BITSPERWORD];//申请内存的大小  

  7.   

  8.   

  9. //set 设置所在的bit位为1  

  10. void set(int i) {          

  11.     a[i>>SHIFT] |=  (1<<(i & MASK));   

  12. }  

  13. //clr 初始化所有的bit位为0  

  14. void clr(int i) {          

  15.     a[i>>SHIFT] &= ~(1<<(i & MASK));   

  16. }  

  17. //test 测试所在的bit为是否为1  

  18. int  test(int i){   

  19.     return a[i>>SHIFT] &   (1<<(i & MASK));   

  20. }  

  21.   

  22. int main()  

  23. {   int i;  

  24.     for (i = 0; i < N; i++)  

  25.         clr(i);    

  26.     while (scanf("%d", &i) != EOF)  

  27.         set(i);  

  28.     for (i = 0; i < N; i++)  

  29.         if (test(i))  

  30.             printf("%d\n", i);  

  31.     return 0;  

  32. }  


注明： 左移n位就是乘以2的n次方，右移n位就是除以2的n次方

解析本例中的void set(int i) {        a[i>>SHIFT] |=  (1<<(i & MASK)); }
1)  i>>SHIFT： 
其中SHIFT=5，即i右移5为，2^5=32,相当于i/32，即求出十进制i对应在数组a中的下标。比如i=20，通过i>>SHIFT=20>>5=0 可求得i=20的下标为0；

2)  i & MASK： 
其中MASK=0X1F,十六进制转化为十进制为31，二进制为0001 1111，i&（0001 1111）相当于保留i的后5位。 

比如i=23，二进制为：0001 0111，那么 
                         0001 0111 
                   &    0001 1111 = 0001 0111 十进制为：23 
比如i=83，二进制为：0000 0000 0101 0011，那么 
                          0000 0000 0101 0011 
                     &   0000 0000 0001 0000 = 0000 0000 0001 0011 十进制为：19 

i & MASK相当于i%32。 

3) 1<<(i & MASK) 
相当于把1左移 (i & MASK)位。 
比如(i & MASK)=20，那么i<<20就相当于： 
         0000 0000 0000 0000 0000 0000 0000 0001 << 20 
       =0000 0000 0001 0000 0000 0000 0000 0000 

注意上面 “|=”.

在博文：位运算符及其应用 提到过这样位运算应用：

 将int型变量a的第k位清0，即a=a&~(1<<k)
 将int型变量a的第k位置1， 即a=a|(1<<k)

这里的将  a[i/32] |= (1<<M)); 第M位置1 .


4) void set(int i) {        a[i>>SHIFT]  |=  (1<<(i & MASK)); }等价于：

  1. void set(int i)   

  2. {   

  3.    a[i/32] |= (1<<(i%32));   

  4. }  

即实现上面提到的三步：

1.求十进制0-N对应在数组a中的下标： n/32 

2.求0-N对应0-31中的数： N%32=M

3.利用移位0-31使得对应32bit位为1: 1<<M，并置1;


转载于:https://my.oschina.net/floristgao/blog/301591

weixin_33804990
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
一个免费的C++ Bitmap 操作类
09-06
这是一个用于C++ MFC开发的Bitmap图片操作类，在文件中叫CBitmapEx,可用于放大，缩小，翻转，过渡和其他有用的功能，有兴趣的朋友可以下载看看。 部分public method: // // void Create(long width, long height); // void Create(CBitmapEx& bitmapEx); // void Load(LPTSTR lpszBitmapFile); // void Save(LPTSTR lpszBitmapFile); // void Scale(long horizontalPercent=100, long verticalPercent=100); // void Rotate(long degrees=0, _PIXEL bgColor=_RGB(0,0,0)); // void FlipHorizontal(); // void FlipVertical(); // void MirrorLeft(); // void MirrorRight(); // void MirrorTop(); // void MirrorBottom(); // void Clear(_PIXEL clearColor=_RGB(0,0,0)); // void Negative(); // void Grayscale(); // void Sepia(long depth=34); // void Emboss(); // void Engrave(); // void Pixelize(long size=4); // void Draw(HDC hDC); // void Draw(long dstX, long dstY, long width, long height, // CBitmapEx& bitmapEx, long srcX, long srcY); // void Draw(long dstX, long dstY, long width, long height, // CBitmapEx& bitmapEx, long srcX, long srcY, long alpha); // void Draw(long dstX, long dstY, long dstWidth, long dstHeight, // CBitmapEx& bitmapEx, long srcX, long srcY, long srcWidth, long srcHeight); // void Draw(long dstX, long dstY, long dstWidth, long dstHeight, CBitmapEx& bitmapEx, // long srcX, long srcY, long srcWidth, long srcHeight, long alpha); // void DrawTransparent(long dstX, long dstY, long width, long height, // CBitmapEx& bitmapEx, long srcX, long srcY, _PIXEL transparentColor=_RGB(0,0,0)); // void DrawTransparent(long dstX, long dstY, long width, long height, // CBitmapEx& bitmapEx, long srcX, long srcY, long alpha, // _PIXEL transparentColor=_RGB(0,0,0)); // void DrawTransparent(long dstX, long dstY, long dstWidth, long dstHeight, // CBitmapEx& bitmapEx, long srcX, long srcY, long srcWidth, long srcHeight, // _PIXEL transparentColor=_RGB(0,0,0)); // void DrawTransparent(long dstX, long dstY, long dstWidth, long dstHeight, // CBitmapEx& bitmapEx, long srcX, long srcY, long srcWidth, long srcHeight, // long alpha, _PIXEL transparentColor=_RGB(0,0,0)); // LPBI
BitMap的C++实现
xy913741894的博客
02-21 6666
BitMap算法的实现 所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。 我们知道，一般可以直接操控的最小的单位是字节，比如在C/C++中，定义一个类型char，对它进行各种操作。然后很多时候，面对一个很大数据量，且我们仅仅希望知道某个数是否存在，我们不妨可以（有时候是必须）使用Bit
Bitmap C++ 实现
u012668513的博客
05-02 1936
位图数据结构   该数据结构描述了一个有限定义域内的稠密集合，其中的每一个元素最多出现一次并且没有其他任何数据与该元素相关联。即使这些条件没有完全满足（例如，存在重复元素或额外的数据），也可以用有限定义域内的键作为一个表项更复杂的表格索引。 1.什么是bitmap?   所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数...
c++ 实现 Bitmap
qq_46664080的博客
05-04 1039
bit即比特，是计算机系统里边数据的最小单位，8个bit即为一个Byte。一个bit的值，要么是0，要么是1。bitmap可以理解为通过一个bit数组来存储特定数据的一种数据结构；
海量数据处理系列之:用C++实现Bitmap算法
01-01
bitmap是一个十分有用的结构。所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。 适用范围：可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下基本原理及要点：使用bit数组来表示某些元素是否存在，比如8位电话号码扩展：bloom filter可以看做是对bit-map的扩展问题实例：1)已知某个文件内包含一些电话号码，每个号码为8位数字，统计不同号码的个数。8位最多99 999 999，大概需要99m个bit，大概10几m字节的内存即可。2)2.5亿个整数中找出
Localization from mere connectivity_MDS降维算法_数据降维_MDS-MAP_
09-29
基于多维标度技术的经典降维算法MDS-MAP，实现高维数据到二维数据的降维处理。
算法源码-数据处理：拉格朗日插值算法.zip
06-06
算法源码-数据处理：拉格朗日插值算法.zip
C++算法之海量数据处理方法的总结分析
09-05
本篇文章是对海量数据处理方法进行了详细的总结与分析，需要的朋友参考下
算法源码-数据处理：分段线性插值算法代码.zip
06-06
算法源码-数据处理：分段线性插值算法代码.zip
海量数据处理系列----C++中Bitmap算法的实现
QuitePig的专栏
08-27 1015
bitmap是一个十分有用的结构。所谓的Bit-map就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。      适用范围：可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下 基本原理及要点：使用bit数组来表示某些元素是否存在，比如8位电话号码 扩展：bloom filter可以
c++编程中的bitmap大全
10-10
在C++ MFC中你是不是碰到没有合适的bitmap的问题？那么这里包含了你在c++编程中需要用到的各种类型的bitmap
数据结构之位图
weixin_30329623的博客
08-07 384
1. 概述 位图（bitmap）是一种非常常用的结构，在索引，数据压缩等方面有广泛应用。本文介绍了位图的实现方法及其应用场景。 2. 位图实现 （1）自己实现 在位图中，每个元素为“0”或“1”，表示其对应的元素不存在或者存在。 #define INT_BITS sizeof(int) #define SHIFT 5 // 2^5=32 #define MASK 0x1...
C++ 实现BitMap
lijie0073237的专栏
01-16 334
C++ 实现BitMap #include <cstdint> class BitMap { private: uint64_t* m_arr; const int32_t RADIX = 64; const int32_t R_SHILT = 6; uint64_t m_maxValue; public: BitMap(uint64_t max_value) : m_maxValue(max_value){ uint32_t b
C++　bitmap
MTT_SKY
07-15 1060
题目 有一个数组，里面的数在1到N之间，N最大为32000.数组中可能有重复的元素(即有的元素 存在2份)，你并不知道N是多少。给你4KB的内存，你怎么把数组中重复的元素打印出来。 解答 我们有4KB的内存，一共有4 * 210 * 8位，大于32000，所以我们可以用Bit Map 来做这道题目。题目很简单，不过我们可以把代码写得漂亮一些。 我们可以写一个Bit Map类来完成
【C/C++】BITMAP格式分析
sunriver2000的专栏
02-10 1192
BITMAP文件大体上分成四个部分，如下表所示。 文件部分 长度（字节） 位图文件头 Bitmap File Header 14 位图信息数据头 Bitmap Info Header 40 调色板 Palette 4*n (n≥0) 位图数据 Image Data 不定长 1、位图文件头 Bitmap File Header typed...
C++位图详解（BitMap）
热门推荐
ArchyLi
11-19 1万+
题目：给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快 速判断一个数是否在这40亿个数中。 【腾讯】思路：这道题首先要判断40亿个不重复的无符号整数究竟占多大的内存，因为太大的内存我们无法加载到现有的计算机中。一个整数是4个字节，40亿个整数就是160亿个字节，也就相当于16G内存，就一般的计算机而言很难实现这个加载，所以我们可以采取以下两种方案，一种是分割，一种是位图。方法：①分割
C++位图（Bitmap）
chen_ever的博客
11-24 1620
首先普及一下将要用到的逻辑运算符号：【与】运算符号为 & ，运算法则为遇0得0。也就是说只要有0，结果即为0。【或】运算符号为 | ，就是一个竖线，运算法则为遇1得1。也就是说，只要有1，结果就为1。【非】预算符号为 ~，就是一个波浪线，运算法则为按位取反，也就是遇1取0,遇0取1，即 ~1 = 0 , ~0 = 1;【异或】运算符号为 ^，就是一个乘方符号，运算法则为相同取0，不同取1。异或运算，关键在异上面，异为1，否则为0。 位图 (Bitmap) 是一种基于位操作的数据结构，用于表示一
BitMap类（c++实现）
qq_43353709的博客
05-23 970
首先通过一道题来理解什么是BitMap 题目：我有40亿个整数，再给一个新的整数，我需要判断新的整数是否在40亿个整数中，你会怎么做？ 分析：假设一个int占用4个字节（32位），40个亿的话就是160亿个字节，大概相当于16GB，假设一台计算机只有2G内存，那么16G一次是加载不完的，要分8次加载，从磁盘加载数据是磁盘io操作，是非常慢的（比内存中的操作要慢百倍），每次加载这么大的数据，还要8次...
【c++】bitmap的实现
Tofreedom7的博客
12-30 793
@最近被问到怎么在很多数据（如20亿）中实现快速查找，没有答上来… @假设是用unordered_map来实现，查找效率为O(N),假设元素为int类型，则需要20亿*4Bytes，这显然太占资源 @后来了解到bitmap，也就是所谓的位图，用一两bit表示该数是否出现过，例如int为8字节，32位，则可存进0-31的数，则20亿数需要20亿/32Bytes,这样便大大节约了资源 @实现代码如下，主要实现其添加、删除与查找,通过位运算实现： 1.如实现查找功能，则通过int_/32可知该数应该属于第几组，通
mds-map定位算法
最新发布
01-23
在MDS-MAP定位算法中，首先使用MDS方法将高维空间中的数据点映射到低维空间，然后利用MAP方法对映射后的数据点进行定位。这个过程可以理解为在低维空间中寻找最有可能的位置分布，以最大化观察数据的概率。 MDS-MAP...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值