最近在看《编程珠玑》这本书。 第1章中引入了bitmap(位图)的数据结构。以前没有接触过, 抽空研究了一下,记录下来。
书中描述的情景:
1. 最多1000万个7位数电话号码(号码不重复,实际大概800万个),保存在文本中
2. 每隔一段时间要对号码进行排序
3.程序模块最多可用1M Bytes的内存, 磁盘空间充足
分析:
通常方案:7位电话号码可以用uint32_t (4个字节)来存储, 4 * 8 * 10^6 Bytes约为32M Bytes,一次性排序显然内存不满足。
1M Bytes 内存可以存放 10^6/4 = 250万个号码, 1000万个约要分40趟进行读取排序写入文件,在归并到一起
此方案,需要40次读原始文本的代价,效率低下。
位图方案: 1个字节(8Bit)可以存放8个整数, 实际800万个号码,刚好1M Bytes的内存空间可以使用,符合要求。
一、原理
通常存储方案, 每个整数(假如4个字节), 占用内存多, 在内存不足或海量数据时, 导致处理方法复杂。
位图, 可以理解用位(Bit)来表示数据, 1个字节是8位, 可以存储8个连续的整数, 内存空间充分利用。 每一位 1表示有数据, 0 表示没有数据。
举例说明:
整数集合 {1 , 11, 9 , 7 , 10 }
5个整数,用通常存储方案,需要 5 * 4 = 20 字节
位图只需要 12位, 不到2个字节(通常是用2个字节来存放,方便管理和字节对齐)
这5个整数用位图表示如下