`

海量数据处理专题(四)——Bit-map

阅读更多
http://blog.redfox66.com/post/2010/09/26/mass-data-4-bitmap.aspx

【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)|(0x01<<(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;
}


【适用范围】

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

【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。
  • 大小: 4.9 KB
  • 大小: 4.8 KB
  • 大小: 3.7 KB
分享到:
评论
1 楼 visoin 2012-04-27  
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

大哥 你会计算不?
99999999/8/1024/1024=11.9M

相关推荐

    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 #### 第一部分:十五道海量数据处理面试题 **题目一**:给定a、b两个文件,各存放50亿个URL,每个URL各占64字节,内存限制是4GB,让你找出a、b文件共同的URL。 - **...

    安装包——Git-2.28.0-64-bit、TortoiseGit-2.10.0.2-64bit及中文语言包

    - **安装过程**: 用户可以通过安装 TortoiseGit-LanguagePack-2.10.0.0-64bit-zh_CN.msi 来将 TortoiseGit 界面语言切换为简体中文。 - **易用性提升**: 通过安装中文语言包,可以提高中国用户对 Git 和 ...

    分布式版本控制工具——Git-2.6.2-64-bit

    Git是一款免费、开源的分布式版本控制系统,用于敏捷高效地处理任何或小或大的项目。

    (word完整版)中国移动通信系统第四代技术——TD-LTE.doc

    3G时代,TD-CDMA和WCDMA成为主流,它们的出现带来了高达2Mbit/s的数据传输速率,使得无线多媒体应用得以实现,如流畅的声音、图像传输及互联网连接。 进入4G时代,LTE(长期演进)系统成为重点,其目标是提高峰值...

    iOS实例开发源码——jsz-Mega-Fill-Up-cfde55c.zip

    《iOS实例开发源码——jsz-Mega-Fill-Up-cfde55c》 这个压缩包中的内容,"jsz-Mega-Fill-Up-cfde55c",很可能是某个iOS应用的源代码仓库,它为我们提供了一个深入学习iOS开发的实际案例。通过分析和研究这个项目,...

    海量数据处理方法

    海量数据处理是指基于海量数据上的存储、处理、操作,解决方案包括巧妙的算法搭配适合的数据结构,如 Bloom filter/Hash/bit-map/堆/数据库或倒排索引/trie 树,以及大而化小、分而治之的策略。根据数据处理的场景,...

    codeblocks-20.03-32bit-mingw-32bit-setup.exe

    codeblocks-20.03-32bit-mingw-32bit,当前2021是最新版,更新版本可以去官网下载(32位与64位版本有一些差别)使用者按需下载

    常用大数据量、海量数据处理方法__算法总结.pdf

    本文对常用的大数据处理算法进行总结,包括Bloom Filter、Hashing和Bit-Map等。 Bloom Filter是一种空间效率很高的概率型数据结构,用于判断一个元素是否在一个集合中。它的基本原理是使用一个位数组以及k个独立的...

    iOS游戏应用源代码——05bit-cocos2d-TalkingPet-64991af.zip

    本篇将围绕"05bit-cocos2d-TalkingPet-64991af.zip"这一源代码包,深入探讨Cocos2d在iOS游戏《Talking Pet》中的应用,以及相关技术知识点。 首先,"cocos2d"是这个项目的核心,它是一个开源的2D游戏框架,支持多种...

    海量数据处理总结(大量数据处理)

    ### 海量数据处理技术深度解析 在当前信息爆炸的时代,如何高效地...Bloom Filter、Hashing以及Bit-Map作为处理海量数据的关键技术,各有优势,可根据具体应用场景灵活选择和组合,以实现数据处理的高效率和低成本。

    海量数据处理 百度、腾讯、Google面试

    在处理海量数据时,例如有限的内存空间,Bit-map可以节省大量空间。例如,2.5亿个整数的不重复计数,可以利用Bit-map快速完成,只需要2^32个bit位就能标记所有可能的整数。 在实际应用中,这些技术经常结合使用,...

    大数据 海量数据 处理方法总结

    大数据量,海量数据 处理方法总结 包括Bloom filter 哈希 bit-map 堆 双层桶划分 数据库索引 倒排索引 外排序 trie树等。细分为适用范围、要点、实例等。

    常用大数据量,海量数据处理方法,算法总结

    本文总结了常用的海量数据处理方法,包括 Bloom filter、Hashing 和 bit-map 等。这些方法可以用来解决大数据量的问题,例如数据字典、判重、集合求交集等问题。 Bloom Filter Bloom filter 是一种空间效率高、...

    Bit-Vector-7.1.tar。gz

    了解和熟练使用Bit-Vector模块能够提升Perl程序员在处理二进制数据和优化性能方面的技能。对于那些需要处理大量布尔逻辑或位级操作的CGI应用来说,它是不可或缺的工具。在使用时,务必注意版本兼容性,以确保软件的...

    digit-exe-windows10-64-bit-without-installer-file-10.6.zip

    在Windows 64位操作系统上,我们可以找到一个无需安装程序的版本——"digit-exe-windows10-64-bit-without-installer-file-10.6.zip"。这个压缩包包含了一个可以直接运行的Engauge Digitizer 10.6版本。 对于那些对...

    海量数据处理面试题集锦与Bit-map详解

    所以不可能将其完全加载到内存中处理。考虑采取分而治之的方法。遍历文件a,对每个url求取,然后根据所取得的值将url分别存储到1000个小文件(记为)中。这样每个小文件的大约为300M。遍历文件b,采取和a相同的方式...

    inclwdingand.rar_Turbo码 Map算法_Turbo码 SOVA_log-map算法_sova算法_turb

    在本压缩包中,包含了一系列与Turbo码相关的编解码程序和算法实现,特别是SOVA(Soft Output Viterbi Algorithm)和Map(Maximum A Posteriori)算法的变种——Max-Log-Map算法。 1. **Turbo码**: Turbo码由两个或...

Global site tag (gtag.js) - Google Analytics