浅析位图索引（bitmap index）

位图索引基本概念

位图索引是一种很高效的索引结构，对于多属性过滤的聚合查询很高效，玩的就是 bit。

位图：位（bit）的一个简单数组，比如 001010，这个位数就是 6。

位图索引：假如建立在一个表的列 A 上，对属性 A 中的每一个可能取值都建立位图，位图的位数和数据量相等。

位图的生成方法：如果编号为 i 的记录在属性 A 上的值为 v_j，则 v_j 位图的第 i 位为1，否则为0。

实际例子

我们为性别字段建立位图索引，性别有 3 种取值，分别建立位图索引。

《性别_男》= 100100。表示第 1 个和第 4 个是男，其他不是男，后边类似。

《性别_女》= 011010。

《性别_中性》= 000001。

相同的，对收入也建立位图索引：

《收入_1w》= 101010。

《收入_2w》= 010101。

用法

单属性过滤原始数据查询：单个属性满足条件的原始数据，比如查询所有男性。

直接利用《性别_男》位图去找原始数据就可以了。

多属性过滤原始数据查询：多个属性满足条件的原始数据。比如查询性别为男且收入为1w的记录：

这时就可以将《性别_男》和《收入_1w》两个位图进行 and 操作：

100100 and 101010 = 100000

结果显示只有第一条记录满足条件。

多属性过滤聚合查询：多个属性满足条件的记录聚合值。比如查询男性收入 1w 的人数。

将两个位图进行 and 操作后直接统计 1 的个数，避免了原始数据查询，这是位图索引最快的查询。

实现方式

简单版：用 for 循环来操作两个位图，一个一个位计算。

升级版：用 int 或者 long 来表示位图，直接对 int 或 long 进行 and 操作。

比如 java 中：9 & 10 = 8（1001 & 1010 = 1000）。这样可以一次计算 32 位或者 64 位。

一些约束

位图索引适合枚举类型的取值，连续变化的需要分段离散化才能使用位图。

不知道大家注意到没有，为啥我在性别中加了个中性？因为 bit 有 0/1 两种取值，如果属性也只有两种取值的话，就不需要对每一种取值建立一个位图了，用一个位图就够了，另一个取值将位图取反就可以得到。比如去掉中性，那么《性别_男》= 1000，《性别_女》= 0111。

当删除一个男性记录，可以将《性别_男》中对应位置 0。但是这样取反后就会多出一个女性记录。因此最好还是对属性的每个取值建立位图。

总结

可以在枚举类型的属性上建立位图索引，为属性的每个取值建立一个位图。从而大幅度加速多属性过滤的普通查询和聚合查询。