[算法系列之十八]海量数据处理之BitMap

一：简介

所谓的BitMap就是用一个bit位来标记某个元素对应的Value， 而Key即是该元素。由于采用了bit为单位来存储数据，因此在存储空间方面，可以大大节省。

二：基本思想

我们用一个具体的例子来讲解，假设我们要对0-7内的5个元素(4,7,2,5,3)排序（这里假设这些元素没有重复）。那么我们就可以采用BitMap的方法来达到排序的目的。要表示8个数，我们就只需要8个bit（1Bytes）。 
（1）首先我们开辟1字节（8bit）的空间，将这些空间的所有bit位都置为0，如下图：

（2）然后遍历这5个元素，首先第1个元素是4，那么就把4对应的位置为1,因为是从零开始的，所以要把第5个位置为1（如下图）：

然后再处理第2个元素7，将第8个位置为1,，接着再处理第3个元素，一直到处理完所有元素，将相应的位置为1，这时候的内存的bit位的状态如下：

（3）然后我们现在遍历一遍bit区域，将该位是1的位的编号输出（2，3，4，5，7），这样就达到了排序的目的。

算法思想比较简单，但关键是如何确定十进制的数映射到二进制bit位的map图。

三：Map映射

假设需要排序或者查找的总数N=10000000。 
BitMap中1bit代表一个数字 
1个int = 4Bytes = 4*8bit = 32 bit,那么N个数需要N/32 int空间。所以我们需要申请内存空间的大小为int a[1 + N/32]，其中：a[0]在内存中占32为可以对应十进制数0-31，依次类推：

BitMap表为：

    a[0]  --------->  0-31     a[1]  --------->  32-63     a[2]  --------->  64-95     a[3]  --------->  96-127     .......... 

那么十进制数如何转换为对应的bit位，下面介绍用位移将十进制数转换为对应的bit位。

申请一个int一维数组，那么可以当作为列为32位的二维数组。

a[0] 
a[1] 
a[2] 
a[3]

a[i] ……………………………….

a[n]

例如： 
十进制1 在a[0]中，位置如下图： 
 
十进制31 在a[0]中，位置如下图： 
 
十进制32 在a[1]中，位置如下图： 
 
十进制33 在a[1]中，位置如下图： 

通过上图分析得出通过以下几步将十进制数如何转换为对应的bit位：

（1）求十进制数在对应数组a中的下标

十进制数0-31，对应在数组a[0]中，32-63对应在数组a[1]中，64-95对应在数组a[2]中……… 
分析得出：对于一个十进制数n,对应在数组a[n/32]中 
例如n=11,那么 n/32=0，则11对应在数组a中的下标为0，n=32,那么n/32=1，则32对应在数组a中的下标为1，n = 106,那么n/32 = 3，则106对应数组a中的下标为3。

（2）求十进制数在对应数组a[i]中的下标

例如十进制数1在a[0]的下标为1，十进制数31在a[0]中下标为31，十进制数32在a[1]中下标为0。 
在十进制0-31就对应0-31，而32-63则对应也是0-31，即给定一个数n可以通过模32求得在对应数组a[i]中的下标。 
分析得出：对于一个十进制数n,对应在数组a[n/32][n%32]中

（3）移位

对于一个十进制数n,对应在数组a[n/32][n%32]中，但数组a毕竟不是一个二维数组，我们通过移位操作实现置1。 
a[n/32] |= 1 << n % 32 
移位操作： 
a[n>>5] |= 1 << (n & 0x1F)

n & 0x1F 保留n的后五位 相当于 n % 32 求十进制数在数组a[i]中的下标

/*--------------------------------*   日期：2015-02-07*   作者：SJF0115*   题目: BitMap*   博客：------------------------------------*/#include <iostream>#include <vector>using namespace std;#define N 1000000000//申请内存的大小int a[1 + N/32];// 设置所在的bit位为1void BitMap(int n){    // row = n / 32 求十进制数在数组a中的下标    int row = n >> 5;    // n & 0x1F 保留n的后五位    // 相当于 n % 32 求十进制数在数组a[i]中的下标    a[row] |= 1 << (n & 0x1F);}// 判断所在的bit为是否为1bool Exits(int n){    int row = n >> 5;    return a[row] & ( 1 << (n & 0x1F));}void Show(int row){    cout<<"BitMap位图展示："<<endl;    for(int i = 0;i < row;++i){        vector<int> vec;        int tmp = a[i];        for(int i = 0;i < 32;++i){            vec.push_back(tmp & 1);            tmp >>= 1;        }//for        cout<<"a["<<i<<"]"<<"->";        for(int i = vec.size()-1;i >= 0;--i){            cout<<vec[i]<<" ";        }//for        cout<<endl;    }//for}int main(){    int num[] = {1,5,30,32,64,56,159,120,21,17,35,45};    for(int i = 0;i < 12;++i){        BitMap(num[i]);    }//for    int row = 5;    Show(5);    /*if(Exits(n)){        cout<<"该数字已经存在"<<endl;    }//if    else{        cout<<"该数字不存在"<<endl;    }//else*/    return 0;}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61

应用范围

可以运用在快速查找、去重、排序、压缩数据等。

c++版BitMap

在C++中提供了bitset这种集合，专门用来进行位操作，因此实现起来比较容易。 
具体参考：STL bitset用法总结

扩展

Bloom filter可以看做是对BitMap的扩展 
布隆过滤器具体参考：[算法系列之十]大数据量处理利器：布隆过滤器

具体应用

（1）已知某个文件内包含一些电话号码，每个号码为8位数字，统计不同号码的个数。

思路 
电话号码每个为8位数字，最小电话号码为00 000 000，最大99 999 999，一共100 000 000个电话号码， 
100 000 000bit = 12 500 000Bytes = 12MBytes 故需要12Mbytes的内存即可存储所有的电话号码。 
可以理解为从00 000 000 - 99 999 999的数字，每个数字对应一个bit位，所以只需要12MBytes，这样，就用了小小的12M左右的内存表示了所有的8位数的电话。

代码

    /*-------------------------------------    *   日期：2015-03-27    *   作者：SJF0115    *   题目: 统计电话号码个数    *   来源：海量数据    *   博客：    ------------------------------------*/    #include <iostream>    #include <vector>    #include <time.h>    using namespace std;    // 给定的电话号码个数    #define NUM 1000    // 电话号码的最小值    #define MIN 10000000    // 电话号码的最大值    #define MAX 99999999    // 电话号码总共个数    #define N (MAX - MIN + 1)    // 置1    void SetBitMap(int bitMap[],int num){        num -= MIN;        //bitMap[num/32] |= 1 << num % 32;        bitMap[num >> 5] |= (1 << (num % 32));    }//void    // 置0    void ClearBitMap(int bitMap[],int num){        bitMap[num >> 5] &= ~(1 << (num % 32));    }//void    // 获取    bool GetBitMap(int bitMap[],int num){        return bitMap[num >> 5] & (1 << (num % 32));    }//void    // 统计电话号码个数    int PhoneCount(int phone[],int n,int bitMap[]){        for(int i = 0;i < n;++i){            SetBitMap(bitMap,phone[i]);        }//for        // 统计个数        int count = 0;        for(int i = 0;i < N;++i){            if(GetBitMap(bitMap,i)){                ++count;            }//if        }//for        return count;    }    int main(){        // 随机生成NUM个电话号码        int phone[NUM];        // 位图大小        int* bitMap = new int[N/32+1];        // 清空        for(int i = 0;i < N;++i){            ClearBitMap(bitMap,i);        }//for        // 随机生成100个电话号码        srand((unsigned)time(nullptr));        for(int i = 0;i < NUM;++i){            phone[i] = rand() % N + MIN;            cout<<phone[i]<<endl;        }//for        cout<<"电话号码个数->"<<PhoneCount(phone,NUM,bitMap)<<endl;        return 0;    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71

待完善…….

引用： 
http://blog.csdn.net/hguisu/article/details/7880288 
http://blog.csdn.net/v_july_v/article/details/6685962 
http://www.tuicool.com/articles/mUb2Qnn 
http://nemogu.iteye.com/blog/1522332 
http://blog.csdn.net/v_july_v/article/details/7382693