使用bitmap处理海量数据

bitmap是一个十分实用的结构。所谓的Bit-map就是用一个bit位来标记某个元素相应的Value， 而Key即是该元素。因为採用了Bit为单位来存储数据，因此在存储空间方面，能够大大节省。

适用范围：可进行数据的高速查找。判重。删除，一般来说数据范围是int的10倍下面

基本原理及要点：使用bit数组来表示某些元素是否存在，比方8位电话号码

扩展：bloom filter能够看做是对bit-map的扩展

问题实例：

1)已知某个文件内包括一些电话号码，每一个号码为8位数字。统计不同号码的个数。

8位最多99 999 999。大概须要99m个bit，大概10几m字节的内存就可以。

2)2.5亿个整数中找出不反复的整数的个数，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表示一个数就可以，0表示未出现。1表示出现一次，2表示出现2次及以上。

或者我们不用2bit来进行表示，我们用两个bit-map就可以模拟实现这个2bit-map。

3）利用位图排序，时间复杂度为O（N），空间换时间！！

！

以下是一个简单的Bitmap的实现：

#include "stdafx.h"
#include <iostream>
using namespace std;
char *g_bitmap = NULL;
int g_size = 0;
int g_base = 0;
//功能：初始化bitmap
//參数： size：bitmap的大小。即bit位的个数
//      start：起始值
//返回值：0表示失败。1表示成功
int bitmap_init(int size, int start)
{
g_size = size/8+1;
g_base = start;
g_bitmap = new char[g_size];
if(g_bitmap == NULL)
{
return 0;
}
memset(g_bitmap, 0x0, g_size);
return 1;
}
//功能：将值index的相应位设为1
//index:要设的值
//返回值：0表示失败，1表示成功
int bitmap_set(int index)
{
int quo = (index-g_base)/8 ;  //确定所在的字节
int remainder = (index-g_base)%8;  //字节内的偏移
unsigned char x = (0x1<<remainder);
if( quo > g_size)
return 0;
g_bitmap[quo] |= x;   //所在字节内的特定位置为1
return 1;
}

//功能：取bitmap第i位的值
//i：待取位
//返回值：-1表示失败。否则返回相应位的值
int bitmap_get(int i)
{
int quo = (i)/8 ;
int remainder = (i)%8;
unsigned char x = (0x1<<remainder);
unsigned char res;
if( quo > g_size)
return -1;
res = g_bitmap[quo] & x;
return res > 0 ?

1 : 0;
}

//功能：返回index位相应的值
int bitmap_data(int index)
{
return (index + g_base);
}
//释放内存
int bitmap_free()
{
delete [] g_bitmap;
return 0;
}

int _tmain(int argc, _TCHAR* argv[])
{
int a[] = {5,8,7,6,3,1,10,78,56,34,23,12,43,54,65,76,87,98,89,100};
int i;
bitmap_init(100, 0);
for(i=0; i<20; i++)
{
bitmap_set(a[i]);
}
for(i=0; i<=100; i++)
{
if(bitmap_get(i) > 0 )
cout << bitmap_data(i)<< " ";
}
cout << endl;
bitmap_free();
return 0;
}