2-bitmap

 

思想很简单：原来8bit 代表8个数字，现在代表4个。按4获取index，按4取模获取 offset

 

在2.5亿个整数中找出不重复的整数，注，内存不足以容纳这2.5亿个整数。

思路：

    bitmap用一个bit来代表存在还是不存在，现在我们要判断重不重复，则需要三个状态：不存在，存在一个，存在多个。2bits可以表示四个状态，令00表示不存在，01表示存在1个，10表示存在多个，11无意义。

    令2bits用一个序号，最后只要判断某序号的2bits是01，则该序号就是不重复的。

    整数一共有2^32=4G个，一个整数对应一个序号，一个序号对应2bits，也就是需要4G * 2bits = 4G * 1/4Byte = 1G的内存。

    如果机器的内存没有1G，我们也可以先将所有数据分配到更小的文件中去，比如用%10，按余数分到19个文件里去（余数可能为-9~9），那么每个文件里整数的整数最多有约4G/20 = 0.2G个，一个整数对应一个序号，一个序号对应2bits，只要约0.05G。

    无论是分成小文件还是部分，都只要找出序号对应的2bits是01的序号即可。

 

    这里我们只考虑大端机，小端类似。

    

char getI(int i,char *p)
{
    unsigned int un= i+(unsigned int)(1<<31);//int可能为负数,一一对应到正数
    unsigned int index = un/4;
    unsigned int offset = un%4;
    return (*(p+index)>>(3-offset)) & 0x03;
}

void setI(int i,char *p)
{
    unsigned int un= i+(unsigned int)(1<<31);//int可能为负数,一一对应到正数
    unsigned int index = un/4;
    unsigned int offset = un%4;
    if(getI(i,p) == 0x00)  //00 -> 01
    {
        *(p+index) |= (0x40>>offset);
    }
    else if(getI(i,p) == 0x01) //00 -> 10
    {
        *(p+index) |= (0x80>>offset);
    }
}