位图法-bitmap

来源：http://www.cnblogs.com/pangxiaodong/archive/2011/08/14/2137748.html

1. 简述

    昨天在看海量数据处理的题目，其中有一道题用的就是2-bitmap，今天学习一下bitmap，主要参考资料就是百度百科。

2. 定义

    bitmap是通过1个位表示一个状态，比如：int类型有2^32个数字，即4G个数字，那么每个数字一个状态，就是2^32个bit，即512 MB。

3. 应用

    · 给40亿个不重复的unsigned int的整数，没排过序的，然后再给一个数，如何快速判断这个数是否在那40亿个数当中
　　首先，将这40亿个数字存储到bitmap中，然后对于给出的数，判断是否在bitmap中即可。
    · 使用位图法判断整形数组是否存在重复
      遍历数组，一个一个放入bitmap，并且检查其是否在bitmap中出现过，如果没出现放入，否则即为重复的元素。
    · 使用位图法进行整形数组排序
      首先遍历数组，得到数组的最大最小值，然后根据这个最大最小值来缩小bitmap的范围。这里需要注意对于int的负数，都要转化为unsigned int来处理，而且取位的时候，数字要减去最小值。
    · 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
      参考的一个方法是：采用2-Bitmap（每个数分配2bit，00表示不存在，01表示出现一次，10表示多次，11无意义）。其实，这里可以使用两个普通的Bitmap，即第一个Bitmap存储的是整数是否出现，如果再次出现，则在第二个Bitmap中设置即可。这样的话，就可以使用简单的1-Bitmap了。

4. 实现 

#include <iostream>
#include <cmath>
using namespace std;

#define  MAX  536870912 // pow(2,29)
unsigned char bitmap[(unsigned int)MAX];

void init() 
{
  memset(bitmap, 0, MAX*sizeof(unsigned char)); 
}
void set(unsigned int num) 
{
  bitmap[num/8] |= (128 >> num%8); // pow(2,7)=128
}
bool find(unsigned int num) 
{
  return bitmap[num/8] & (128 >> num%8);
}
int main() 
{
  init();
  for(int i=-10; i<=10; i++)
    set(i);
  for(int i=-20; i<=20; i++)
    if(find(i))
      cout << "i: " << i << endl; 
  return 0;
}

 

 对于实现来说，百科上面的代码用的是int数组，不过char数组应该也是一样的，就是相当于数组长度大了点，差不多。对于unsigned int，主要是在除法和取余运算上的问题，因此要保证set和find函数中使用的一定是unsinged int类型，即要被强制转化的参数。

5. 备注

   普通bitmap的局限就是要求所有的状态都要放在内存里面，假设状态数量是2^64的话，那么内存肯定放不下，或者状态数量不变为2^32，但是内存要求10MB的话，就没法办了。另外好像有bitmap+mapreduce的方法，这个以后有机会再研究。

6. 参考

    十道海量数据处理面试题与十个方法大总结    http://blog.csdn.net/v_JULY_v/article/details/6279498
    位图法_百度百科    http://baike.baidu.com/view/6102616.html?tp=5_11