BitMap

应用情景

为了帮助公司精准定位用户群体，需要开发一个用户画像系统，实现用户信息的标签化。用户标签包含用户的社会属性、生活习惯、消费行为等如下信息：姓名、性别、职业、年龄、产品型号等。

统计所有90后的程序员：Select count（distinct Name） as 用户数 from table whare age = '90后' and Occupation = '程序员' ;

统计所有使用苹果手机或者00后的用户和：Select count（distinct Name） as 用户数 from table whare Phone = '苹果' or age = '00后' ;

随着系统的的发展，用户标签越来越多，拼接出的SQL语句过长且不利于维护，性能堪忧。

BitMap应运而生

BitMap用于对大量整型数据进行去重和查询。给定长度是10的bitmap，每一个bit位分别对应着从0到9的10个整型数。此时bitmap的所有位都是0。

把整型数4存入bitmap，对应存储的位置就是下标为4的位置，将此bit置为1。

把整型数2存入bitmap，对应存储的位置就是下标为2的位置，将此bit置为1。

把整型数1存入bitmap，对应存储的位置就是下标为1的位置，将此bit置为1。

把整型数3存入bitmap，对应存储的位置就是下标为3的位置，将此bit置为1。

此时bitmap里存储了哪些元素？显然是4,3,2,1，一目了然。Bitmap不仅方便查询，还可以去除掉重复的整型数。

如何将BitMap进行应用？

建立用户名和用户ID的映射：

让每一个标签存储包含此标签的所有用户ID，每一个标签都是一个独立的Bitmap。

这样，实现用户的去重和查询统计，就变得一目了然：

与Hash相比，优势所在?

HashSet和HashMap同样可以实现用户的去重和统计，为什么要使用BitMap？

如果用HashSet或 Hashmap存储的话，每一个用户ID都要存成int，占4字节即32bit。而一个用户在Bitmap中只占一个bit，内存节省了32倍!

如何进行查询?

使用BitMap在用户群做交集和并集的运算，十分方便。

查找使用苹果手机的程序员用户:

查找所有男性或者00后的用户：

BitMap缺点

BitMap不支持【非运算】，如果想查找非90后的用户，无法使用BitMap

90后用户的Bitmap如下：

这时候可以直接求得非90后的用户吗？直接进行非运算？

显然，非90后用户实际上只有1个，而不是图中得到的8个结果，所以不能直接进行非运算。

如何使用BitMap进行非运算？

同样是刚才的例子，我们给定90后用户的Bitmap，再给定一个全量用户的Bitmap。最终要求出的是存在于全量用户，但又不存在于90后用户的部分。

如何求出呢？我们可以使用异或操作，即相同位为0，不同位为1。

参考文献：https://juejin.cn/post/6844903769201704973