基本思想
- 使用一个bit位来标记某个元素对应的value,而key就是该元素在若干bit中的位置。这样大大节省了存储空间。
应用
排序
-
对于海量的无重复密集元素排序,其有着占用少的优点。
-
步骤:
- 将Bit-map所有bit置为1
- 将第一个value为n的元素放进Bit-map中(将第n位bit置为1)
- 按照以上方法,放进所有元素
- 从Bit-map的第一位开始遍历,若为1则输出。
-
其排序的时间由最大的那一位数MAX决定,需要的内存大小为(MAX/一个字节的位数)字节。
去重
找出2.5亿个数中的不重复的整数个数内存不足以容纳这2.5亿个整数
- 用Bit-map来存储数字的状态,用两位来存储一个数字的状态。
- 若没有这个数则为00,有一个为01,一个以上为11。
- 遍历这2.5亿个数字,如果对于状态位为00,则变为01;若状态位为01,则变为11;若为11,则状态位不变。
- 最后将状态位为01的进行统计,就得到了不重复的数字个数。
查询
快速判断一个数字是否存在在上述的2.5亿个整数中
- 同之前一样,首先我们先对所有的数字进行一次遍历,然后将相应的转态位改为1。
- 遍历完以后就是查询,由于我们的Bit-map采取的是连续存储(整型数组形式,一个数组元素对应32bits)
- 我们实际上是采用了一种分桶的思想。一个数组元素可以存储32个状态位,那将待查询的数字除以32,定位到对应的数组元素(桶),然后再求余(%32),就可以定位到相应的状态位。如果为1,则代表改数字存在;否则,该数字不存在。
布隆过滤器
- 直观的说,bloom算法类似一个hash set,用来判断某个元素(key)是否在某个集合中。
和一般的hash set不同的是,这个算法无需存储key的值,对于每个key,只需要k个比特位,每个存储一个标志,用来判断key是否在集合中。(有一定的误判性) - 优点在于其不需要存储key,节省空间。
- 算法
- 首先需要k个hash函数,每个函数可以把key散列成为1个整数
- 初始化时,需要一个长度为n比特的数组,每个比特位初始化为0
- 某个key加入集合时,用k个hash函数计算出k个散列值,并把数组中对应的比特位置为1
- 判断某个key是否在集合时,用k个hash函数计算出k个散列值,并查询数组中对应的比特位,如果所有的比特位都是1,认为在集合中。
总结
- 通过Bit-map思想,我们可以将存储空间进行压缩,对数字进行排序、去重、查询等操作。