第三部分、海量数据处理之 Bti-map 详解
2014-11-18 20:49
232 查看
第二部分、海量数据处理之 Bti-map 详解
Bloom Filter 已在上一篇文章海量数据处理之 Bloom Filter 详解中予以详细阐述,本文接下来着重阐述 Bit-map。什么是 Bit-map
所谓的 Bit-map 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。
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Bit-map 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),
首先我们开辟1Byte 的空间,将这些空间的所有Bit位都置为 0(如下图:)
然后遍历这5个元素,首先第一个元素是 4,那么就把 4对应的位置为 1(可以这样操作 p+(i/8)|(0×01<<(i%8))
当然了这里的操作涉及到 Big-ending 和 Little-ending 的情况,这里默认为 Big-ending),因为是从零开始的,
所以要把第五位置为一(如下图):
然后再处理第二个元素 7,将第八位置为 1,,接着再处理第三个元素,
一直到最后处理完所有的元素,将相应的位置为 1,这时候的内存的Bit位的状态如下:
然后我们现在遍历一遍Bit 区域,将该位是一的位的编号输出(2,3,4,5,7),
这样就达到了排序的目的。下面的代码给出了一个 BitMap 的用法:排序。
//定义每个 Byte 中有 8 个 Bit 位 #include<iostream> using namespace std; #include<stdio.h> #define BYTESIZE 8 void SetBit(char *p, int posi) { for(int i=0;i<(posi/BYTESIZE); i++) p++; *p =*p|(0x01<<(posi%BYTESIZE));//将该Bit位赋值 1 return; } void BitMapSortDemo() { //为了简单起见,我们不考虑负数 int num[] = {3,5,2,10,6,12,8,14,9}; //BufferLen 这个值是根据待排序的数据中最大值确定的 //待排序中的最大值是 14,因此只需要 2个 Bytes(16个Bit) 。 const int BufferLen=2; char *pBuffer = new char[BufferLen]; //要将所有的 Bit 位置为 0,否则结果不可预知。 memset(pBuffer,0,BufferLen); for(int i=0;i<9;i++) { //首先将相应 Bit 位上置为 1 SetBit(pBuffer,num[i]); } //输出排序结果 for(int i=0;i<BufferLen;i++)//每次处理一个字节(Byte) { for(int j=0;j<BYTESIZE;j++)//处理该字节中的每个 Bit 位 { //判断该位上是否是 1,进行输出,这里的判断比较笨。 //首先得到该第 j 位的掩码(0x01<<j),将内存区中的 //位和此掩码作与操作。最后判断掩码是否和处理后的结果相同 if((*pBuffer&(0x01<<j)) == (0x01<<j)) printf("%d ",i*BYTESIZE + j); } pBuffer++; } } int main() { BitMapSortDemo(); return 0; }
可进行数据的快速查找,判重,删除,一般来说数据范围是 int 的 10 倍以下
基本原理及要点
使用 bit 数组来表示某些元素是否存在,比如 8 位电话号码
扩展
Bloom filter 可以看做是对 bit-map 的扩展(关于 Bloom filter,请参见: 海量数据处理之 Bloom
filter 详解)。
问题实例
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。
8位最多 99 999 999,大概需要 99m 个 bit,大概 10 几 m 字节的内存即可。
(可以理解为从 0- 99999999 的数字,每个数字对应一个 Bit 位,所以只需要 99M个Bit==1.2MBytes,
这样,就用了小小的1.2M 左右的内存表示了所有的 8 位数的电话)
2)2.5 亿个整数中找出不重复的整数的个数,内存空间不足以容纳这 2.5 亿个整数。
将 bit-map 扩展一下,用 2bit 表示一个数即可,0 表示未出现,1 表示出现一次,2 表示出现 2 次及以上,
在遍历这些数的时候,如果对应位置的值是 0,则将其置为 1;如果是1,将其置为 2;如果是 2,则保持不变。
或者我们不用 2bit 来进行表示,我们用两个 bit-map即可模拟实现这个 2bit-map,都是一样的道理。
相关文章推荐
- 海量数据处理之Bti-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解---之我对bitmap的理解
- 十七道海量数据处理面试题与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 海量数据处理与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- [面试] 十七道海量数据处理面试题与Bit-map详解 [未细看]
- 十七道海量数据处理面试题与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 海量数据处理面试题集锦与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 海量数据处理面试题集锦与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 十七道海量数据处理面试题与Bit-map详解
- 海量数据处理 Bit-map详解
- 海量数据处理面试题与Bit-map详解