海量数据处理之Bti-map详解

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。

    如果说了这么多还没明白什么是Bit-map,那么我们来看一个具体的例子,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 <memory.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)       //就可以了。       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 _tmain(int argc, _TCHAR* argv[])   {       BitMapSortDemo();       return 0;   }  

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0-99 999 999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。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏个人分享

分布式系统中的线程与进程

  虽然进程构成了分布式系统中的基本组成单元,但是操作系统提供的用于构建分布式系统的进程在粒度上还是太大了,而就粒度而言,将每个进程细分为若干控制线程的形式则更...

8810
来自专栏个人分享

Hbase伪分布式

然后启动hbase即可,但我发现查询时报错啊。。报错信息被刷掉了- -大概错误是:

21930
来自专栏个人分享

Redis简介及3.0.2编译安装

Redis是一个key-value存储系统。和Memcached类似,它支持存储的value类型相对更多,包括string(字符串)、list(链表)、set(...

10720
来自专栏个人分享

通信协议

  由于没有存储共享器,分布式系统中的所有通信都是基于底层消息交换的。如果进程A要与进程B通信,A必须首先在自己的地址空间中生成该消息,再执行一个系统调用,通知...

12020
来自专栏青青天空树

A除以B问题

描述:本题要求计算A/B,其中A是不超过1000位的正整数,B是1位正整数。你需要输出商数Q和余数R,使得A = B * Q + R成立。

30920
来自专栏个人分享

面向消息的持久通信与面向流的通信

消息队列系统为持久异步通信提供多种支持,本质是提供消息的中介存储能力,这样就不需要消息发送方和接收方在消息传输过程中都保持激活状态。

12740
来自专栏个人分享

Hive架构及Hive On Spark

(1)Table:每个表都对应在HDFS中的目录下,数据是经过序列化后存储在该目录中。同时Hive也支持表中的数据存储在其他类型的文件系统中,如NFS或本地文件...

55120
来自专栏Java开发

Java properties文件中如何添加空格

Java的properties文件中存储的是key=value格式的数据,例如: name1=value1 name2=value2 如果要在value1...

23220
来自专栏个人分享

HotSpot 自动内存管理笔记与实战

1.对象的创建 虚拟机遇到一条new指令时,首先会去检查这个指令的参数是否能在常量池中定位到一个类的符号引用,并且检查这个符号引用代表的类是否已被加载、...

12540
来自专栏个人分享

邻接矩阵学习

邻接矩阵:是表示顶点之间相邻关系的矩阵。因此,用一个一维数组存放图中所有顶点数据;用一个二维数组存放顶点间的关系(边或弧)的数据,这个二维数组称为邻接矩阵。邻接...

17110

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励