背景:
实时数仓往往需要维护一些id(持续增加,不适用于用户id等)来进行去重计算,如果id的数据过大,使用bitmap会造成内存浪费。现以event_id为例来记录一下解决思路(解决办法不唯一,这里只是记录一下我的思路)。
过程:
1、首先event_id每天的变化范围在200万至500万之间,如果从bitmap第一位开始维护,每天的内存消耗应该小于1M。
2、我们目前的id大小在15亿以上,至少需要128M内存(好多位置都是0),严重浪费内存,这种方案根本无法使用。
3、如果利用一种算法将每天的数据映射到一个比较小的范围,我们就可以解决这个问题。下面就记录一下我目前想到的解决办法。
方案:
1、首先按天维护一个String值,就是将每天的最大id保存一下。我们叙述方便,将其记为 maxId。
2、每一天维护bitmap的时候,位置数值-昨天的maxid。
例如:昨天最大的id是10000,今天的id肯定是从10000以后开始的。
以我们要存储10005这个数值来计算,我们先拿到昨天的maxId(10000),然后用10005-10000 =5 来表示这个id,只需要将今天的bitmap的第五位设置成1就可以解决这个问题了。