JDK源码阅读计划(Day12) BitSet

JDK11

BitMap原理&使用场景

用一个bit来存放一个状态的容器。由于对内存占用少，适合用于处理大规模数据和数据状态不多的情况。毕竟一个bit只对应两个状态。

图来自ref

假设原来有个int数组[1,2,3,6,7]需要用5*32bit=160bit来保存存储空间。

但如果把元素的值作为下标每个下标用一个bit来表示,如0表示不存在该元素,1表示存在。那么只需要在内存空间开辟一个bit大小为8的数组。

• 场景一：

O(1)的海量数据的查重。

• 场景二:

判断两个数组重复元素。原先方案需要做一个两层for循环，现在只需要两个bitMap做与操作。

• 场景三:

如果数据分布不均匀，如数组是1,100,100000000，那么为了存储100000000需要开100000001个bit，造成较大空间浪费。可以使用roaring map

• 场景四:

Bloom Filter的实现

类继承关系

public class BitSet implements Cloneable, Serializable

BitSet虽然叫做Set,在java.util包中,但事实上和Set,List这些接口一点关系都没有

重要成员

可以看到最重要BitSet本质上就是用一个long数组来存储bit的信息，默认每一个long可以存储64bit

 /*
     * BitSets are packed into arrays of "words."  Currently a word is
     * a long, which consists of 64 bits, requiring 6 address bits.
     * The choice of word size is determined purely by performance concerns.
     */
    private static final int ADDRESS_BITS_PER_WORD = 6;
    
    // 每个word所占的位数：64bit，(这里所谓的word就是long类型)
    private static final int BITS_PER_WORD = 1 << ADDRESS_BITS_PER_WORD;
    private static final int BIT_INDEX_MASK = BITS_PER_WORD - 1;
    
    /* Used to shift left or right for a partial word mask */
    private static final long WORD_MASK = 0xffffffffffffffffL;
    
    /**
     * The internal field corresponding to the serialField "bits".
     */
    /*
     * 存储word，其实就是存储位集中的bit
     * 在计算位的时候，需要从左到右取出word，并从右到左排列。
     */
    private long[] words;
    
    /**
     * The number of words in the logical size of this BitSet.
     */
    // 位集正在被使用的字的长度
    private transient int wordsInUse = 0;
    
    /**
     * Whether the size of "words" is user-specified.  If so, we assume
     * the user knows what he's doing and try harder to preserve it.
     */
    // 字的大小是否为用户指定
    private transient boolean sizeIsSticky = false;

构造函数

• 默认构造函数

默认初始会为words数组分配一个元素

 /**
     * Creates a new bit set. All bits are initially {@code false}.
     */
    // 构造可以存储64个bit的位集(即1个word)
    public BitSet() {
   
        // 由给定的bit数量，构造一个匹配大小的long数组存储bit
        initWords(BITS_PER_WORD);
        
        sizeIsSticky = false;
    }

我们来看initWords，作用是根据bitSet的bit的大小来判断需要分配多少个word

 /*
     * 由给定的bit数量，构造一个匹配大小的long数组存储bit。
     * 这里会向上取整，比如输入60，则虽然不足64位，却也构造包含一个long的word数组。
     */
    private void initWords(int nbits) {
   
        // 计算指定索引处的bit所在的word的索引
        //64-1 =  1 1111
        int size = wordIndex(nbits - 1);
        words = new long[size + 1];
    }

/**
     * Given a bit index, return word index containing it.
     */
    // 计算指定索引处的bit所在的word的索引
    private static int wordIndex(int bitIndex) {
   
        //1 1111 >> 6 = 0 说明 0-63bit对应的word索引为0
        return bitIndex >> ADDRESS_BITS_PER_WORD;
    }
    

其他构造函数

// 构造至少可以存储nbits个bit的位集
    public BitSet(int nbits) {
   
        // nbits can't be negative; size 0 is OK
        if(nbits<0) {
   
            throw new NegativeArraySizeException("nbits < 0: " + nbits);
        }
    
        // 由给定的bit数量，构造一个匹配大小的long数组存储bit
        initWords(nbits);
    
        sizeIsSticky = true;
    }
    
    /**
     * Creates a bit set using words as the internal representation.
     * The last word (if there is one) must be non-zero.
     */
    // 构造可以存储words.length个word的位集，且该位集正在被使用
    private BitSet(long[] words) {
   
        this.words = words;
        this.wo