在上文“RoaringBitmap简析”中,简单的描述了RoaringBitmap的原理,主要是关于底层的数据结构。今天再重点根据源码来分析常用的位图操作是如何高效实现的。 考虑到Bitmap在搜索引擎和列存储中的使用场景,AND应该是最常用的操作,我们来重点分析。
首先,我们知道在Roaring Bitmap中,一个bitmap包含一个RoaringArray类型的成员变量highLowContainer,用于存储数据。 RoaringArray包含两个数组,分别是short[] keys和Container[] values。keys中的元素用来标记对应的values中的container表示哪个区间的整数。Container有三个子类,分别是ArrayContainer,BitmapContainer,和RunContainer。当一个区间中有不超过4096个元素的时候,使用Array形式;当大于4096的时候,使用Bitmap形式。RunContainer是基于RLE的方式,先跳过。
其次,只有相同的key所对应的value才有交集的可能。如果key不同,则不可能有交集,因为所代表的区间不同。
第三,一个ArrayContainer无论是和ArrayContainer还是和BitmapContainer作交集,结果都一定还是ArrayContainer。两个BitmapContainer作交集,结果即可能是BitmapContainer,也可能是ArrayContainer。
我们先看看BitmapContainer的and(ArrayContainer)方法:
@Override
public ArrayContainer and(final ArrayContainer value2) {
final ArrayContainer answer = new ArrayContainer(value2.content.length);
int c = value2.cardinality;
for (int k = 0; k < c; ++k) {
short v = value2.content[k];
if (this.contains(v)) {
answer.content[answer.cardinality++] = v;
}
}