活动

天翼云最新优惠活动,涵盖免费试用,产品折扣等,助您降本增效!
热门活动
  • 免费体验DeepSeek,上天翼云息壤 NEW 新老用户均可免费体验2500万Tokens,限时两周
  • 云上钜惠 HOT 爆款云主机全场特惠,更有万元锦鲤券等你来领!
  • 算力套餐 HOT 让算力触手可及
  • 天翼云脑AOne NEW 连接、保护、办公,All-in-One!
  • 一键部署Llama3大模型学习机 0代码一键部署,预装最新主流大模型Llama3与StableDiffusion
  • 中小企业应用上云专场 产品组合下单即享折上9折起,助力企业快速上云
  • 息壤高校钜惠活动 NEW 天翼云息壤杯高校AI大赛,数款产品享受线上订购超值特惠
  • 天翼云电脑专场 HOT 移动办公新选择,爆款4核8G畅享1年3.5折起,快来抢购!
  • 天翼云奖励推广计划 加入成为云推官,推荐新用户注册下单得现金奖励
免费活动
  • 免费试用中心 HOT 多款云产品免费试用,快来开启云上之旅
  • 天翼云用户体验官 NEW 您的洞察,重塑科技边界

智算服务

打造统一的产品能力,实现算网调度、训练推理、技术架构、资源管理一体化智算服务
智算云(DeepSeek专区)
科研助手
  • 算力商城
  • 应用商城
  • 开发机
  • 并行计算
算力互联调度平台
  • 应用市场
  • 算力市场
  • 算力调度推荐
一站式智算服务平台
  • 模型广场
  • 体验中心
  • 服务接入
智算一体机
  • 智算一体机
大模型
  • DeepSeek-R1-昇腾版(671B)
  • DeepSeek-R1-英伟达版(671B)
  • DeepSeek-V3-昇腾版(671B)
  • DeepSeek-R1-Distill-Llama-70B
  • DeepSeek-R1-Distill-Qwen-32B
  • Qwen2-72B-Instruct
  • StableDiffusion-V2.1
  • TeleChat-12B

应用商城

天翼云精选行业优秀合作伙伴及千余款商品,提供一站式云上应用服务
进入甄选商城进入云市场创新解决方案
办公协同
  • WPS云文档
  • 安全邮箱
  • EMM手机管家
  • 智能商业平台
财务管理
  • 工资条
  • 税务风控云
企业应用
  • 翼信息化运维服务
  • 翼视频云归档解决方案
工业能源
  • 智慧工厂_生产流程管理解决方案
  • 智慧工地
建站工具
  • SSL证书
  • 新域名服务
网络工具
  • 翼云加速
灾备迁移
  • 云管家2.0
  • 翼备份
资源管理
  • 全栈混合云敏捷版(软件)
  • 全栈混合云敏捷版(一体机)
行业应用
  • 翼电子教室
  • 翼智慧显示一体化解决方案

合作伙伴

天翼云携手合作伙伴,共创云上生态,合作共赢
天翼云生态合作中心
  • 天翼云生态合作中心
天翼云渠道合作伙伴
  • 天翼云代理渠道合作伙伴
天翼云服务合作伙伴
  • 天翼云集成商交付能力认证
天翼云应用合作伙伴
  • 天翼云云市场合作伙伴
  • 天翼云甄选商城合作伙伴
天翼云技术合作伙伴
  • 天翼云OpenAPI中心
  • 天翼云EasyCoding平台
天翼云培训认证
  • 天翼云学堂
  • 天翼云市场商学院
天翼云合作计划
  • 云汇计划
天翼云东升计划
  • 适配中心
  • 东升计划
  • 适配互认证

开发者

开发者相关功能入口汇聚
技术社区
  • 专栏文章
  • 互动问答
  • 技术视频
资源与工具
  • OpenAPI中心
开放能力
  • EasyCoding敏捷开发平台
培训与认证
  • 天翼云学堂
  • 天翼云认证
魔乐社区
  • 魔乐社区

支持与服务

为您提供全方位支持与服务,全流程技术保障,助您轻松上云,安全无忧
文档与工具
  • 文档中心
  • 新手上云
  • 自助服务
  • OpenAPI中心
定价
  • 价格计算器
  • 定价策略
基础服务
  • 售前咨询
  • 在线支持
  • 在线支持
  • 工单服务
  • 建议与反馈
  • 用户体验官
  • 服务保障
  • 客户公告
  • 会员中心
增值服务
  • 红心服务
  • 首保服务
  • 客户支持计划
  • 专家技术服务
  • 备案管家

了解天翼云

天翼云秉承央企使命,致力于成为数字经济主力军,投身科技强国伟大事业,为用户提供安全、普惠云服务
品牌介绍
  • 关于天翼云
  • 智算云
  • 天翼云4.0
  • 新闻资讯
  • 天翼云APP
基础设施
  • 全球基础设施
  • 信任中心
最佳实践
  • 精选案例
  • 超级探访
  • 云杂志
  • 分析师和白皮书
  • 天翼云·创新直播间
市场活动
  • 2025智能云生态大会
  • 2024智算云生态大会
  • 2023云生态大会
  • 2022云生态大会
  • 天翼云中国行
天翼云
  • 活动
  • 智算服务
  • 产品
  • 解决方案
  • 应用商城
  • 合作伙伴
  • 开发者
  • 支持与服务
  • 了解天翼云
      • 文档
      • 控制中心
      • 备案
      • 管理中心

      【位图】面对海量数据,如何压缩空间?定位数据?

      首页 知识中心 大数据 文章详情页

      【位图】面对海量数据,如何压缩空间?定位数据?

      2025-05-19 09:04:14 阅读次数:2

      位图

      一、腾讯面试题

              给40亿个不重复的无符号整数,没排过序。给一个无符号整数,如何快速判断一个数是否在这40亿个数中。

      思考:

              思路一:没有学习位图之前,我们一般最快能反应到使用哈希表的办法来解决,但是是有40亿的整形数据,这是一个什么概念?一个整形占4个字节,相当于要占用16G的内存空间,但生活中有多少电脑有这么大的内存空间?就算你是16G内存,难道你打开编译器编写代码不占空间?所以这个想法显然走不通;

              思路二: “排序+二分查找” 的办法来解决,时间复杂度上,排序最快也就是O(NlogN),二分查找logN,但是依然面临一个问题——内存存不下,二分查找依然是在内存中查找,但是16G的数据都存不了,还查个...所以很难受,根本查不了;

      二、解决办法——位图     

              我们可以这样规划空间,一个整形是32位,可以把每一位都利用起来,也就是说,一个 bit位表示一个数字,32位用可以来存放32个不同的数字,怎么存?可以通过映射的方式,1表示这意味数字存在,0表示不存在,具体的如下图:

      【位图】面对海量数据,如何压缩空间?定位数据?

      2.1、那么什么是位图?

              位图就是用每一位来存放某种状态,适用于 海量数据,无重复整数 的场景,通常用来判断某个数据是否存在;

      2.2、有什么好处?

              ——大大节省了空间

              例如上述栗子,10个整数本来需要40个字节,而用位图表示只需要3个字节,那么40亿个整数就只占512M的大小了~

      三、位图的模拟实现

      3.1、位图的构造

              默认初始化为一个字节,当然要也可以手动指定,而且一般需要多给一个字节,具体原因在注释当中;

      如下代码:

      
      public class MyBitSet {
          public byte[] elem;
          //记录当前位图中,存放了多少个有效数据
          public int usedSize;
      
          /**
           * 默认初始化位为一个字节
           */
          public MyBitSet() {
              this.elem = new byte[1];
          }
      
          /**
           * 指定构造方法中的初始化位数
           * 一般会多给一个字节,因为如果是12,那么12%8=4,不能整除,还多出来4个bit位
           * 所以多给一个也无所谓(不要那么抠)
           */
          public MyBitSet(int n) {
              this.elem = new byte[n / 8 + 1];
          }
      }

      3.2、存放数据

              创建一个set方法用来存放数据,首先要先判断数据是否小于0,若小于0就是不符合要求的,直接抛出异常;

      怎么存放数据呢?如下图:

      【位图】面对海量数据,如何压缩空间?定位数据?

      最后还要注意,若数据过大,需要考虑扩容(否则会越界访问);

      代码如下:

          /**
           * 设置某一位为1(1为有效)
           * @param val
           */
          public void set(int val) {
              if(val < 0) {//必须是大于等于零的整数
                  throw new IndexOutOfBoundsException();
              }
              //先确定val在elem的哪一个下标的哪一个bit位
              int arrayIndex = val / 8;
              //扩容
              if(arrayIndex > elem.length - 1) {
                  elem = Arrays.copyOf(elem, arrayIndex + 1);
              }
              int bitIndex = val % 8;
              elem[arrayIndex] |= (1 << bitIndex);//不能是异或,会修改原来的值
              usedSize++;
          }

      3.3、检测数据是否存在

               创建一个get方法,先检验val值是否小于零,小于直接抛异常,然后还是通过除8模8,左移1的方式确定位置,与 存放数据 不同, 这回使用 按位与,若按位与得到的数字为0,则说明原来这一位就是0,数字不存在,返回false,反之则存在,返回true;

      如下代码:

      
          /**
           * 判断当前位是不是1
           * @param val
           * @return
           */
          public boolean get(int val) {
              if(val < 0) {//必须是大于等于零的整数
                  throw new IndexOutOfBoundsException();
              }
              //先确定val在elem的哪一个下标的哪一个bit位
              int arrayIndex = val / 8;
              int bitIndex = val % 8;
      
              if((elem[arrayIndex] & (1 << bitIndex)) != 0) {
                  return true;
              }
              return false;
          }

      3.4、设置某个数据的对应位为0        

              创建一个reSet方法,先检验val值是否小于零,小于直接抛异常;怎么设置为某一位为0呢,好像直接按位与、或、异或都不行,实际上我们可以这样做,按原来的方法,除8模8,左移1的方式确定位置,然后给这个数据取反,再 按位与等 这一字节,就可以了,如下图:

      【位图】面对海量数据,如何压缩空间?定位数据?

       代码如下:

          /**
           * 将对应位置 设置为0
           * @param val
           */
          public void reSet(int val) {
              if(val < 0) {//必须是大于等于零的整数
                  throw new IndexOutOfBoundsException();
              }
              //先确定val在elem的哪一个下标的哪一个bit位
              int arrayIndex = val / 8;
              int bitIndex = val % 8;
      
              elem[arrayIndex] &= ~(1 << bitIndex);
              usedSize--;
          }

      四、位图模拟代码(完整)

       

      public class MyBitSet {
          public byte[] elem;
          //记录当前位图中,存放了多少个有效数据
          public int usedSize;
      
          /**
           * 默认初始化位为一个字节
           */
          public MyBitSet() {
              this.elem = new byte[1];
          }
      
          /**
           * 指定构造方法中的初始化位数
           * 一般会多给一个字节,因为如果是12,那么12%8=4,不能整除,还多出来4个bit位
           * 所以多给一个也无所谓(不要那么抠)
           */
          public MyBitSet(int n) {
              this.elem = new byte[n / 8 + 1];
          }
      
          /**
           * 获取当前位图存储的数据量
           */
          public int getUsedSize() {
              return this.usedSize;
          }
      
      
          /**
           * 设置某一位为1(1为有效)
           * @param val
           */
          public void set(int val) {
              if(val < 0) {//必须是大于等于零的整数
                  throw new IndexOutOfBoundsException();
              }
              //先确定val在elem的哪一个下标的哪一个bit位
              int arrayIndex = val / 8;
              //扩容
              if(arrayIndex > elem.length - 1) {
                  elem = Arrays.copyOf(elem, arrayIndex + 1);
              }
              int bitIndex = val % 8;
              elem[arrayIndex] |= (1 << bitIndex);//不能是异或,会修改原来的值
              usedSize++;
          }
      
          /**
           * 判断当前位是不是1
           * @param val
           * @return
           */
          public boolean get(int val) {
              if(val < 0) {//必须是大于等于零的整数
                  throw new IndexOutOfBoundsException();
              }
              //先确定val在elem的哪一个下标的哪一个bit位
              int arrayIndex = val / 8;
              int bitIndex = val % 8;
      
              if((elem[arrayIndex] & (1 << bitIndex)) != 0) {
                  return true;
              }
              return false;
          }
      
          /**
           * 将对应位置 设置为0
           * @param val
           */
          public void reSet(int val) {
              if(val < 0) {//必须是大于等于零的整数
                  throw new IndexOutOfBoundsException();
              }
              //先确定val在elem的哪一个下标的哪一个bit位
              int arrayIndex = val / 8;
              int bitIndex = val % 8;
      
              elem[arrayIndex] &= ~(1 << bitIndex);
              usedSize--;
          }
      
      }
      
      版权声明:本文内容来自第三方投稿或授权转载,原文地址:https://blog.csdn.net/CYK_byte/article/details/128641411,作者:陈亦康,版权归原作者所有。本网站转在其作品的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如因作品内容、版权等问题需要同本网站联系,请发邮件至ctyunbbs@chinatelecom.cn沟通。

      上一篇:BFS解决最短路问题(4)_为高尔夫比赛砍树

      相关文章

      2025-04-15 09:18:30

      位图与布隆过滤器:原理、差异与应用

      所谓位图,就是用每一位(比特位)来存放某种状态,适用于海量数据,数据无重复的场景。通常是用来 判断某个数据存不存在的。

      2025-04-15 09:18:30
      位图 , 元素 , 哈希 , 布隆 , 过滤器
      2025-04-14 09:28:32

      【C++】BitSet和Bloom_Filter

      在计算机图形学中,位图(Bitmap)也称为光栅图,是由像素点组成的图像表示方式。在 C++ 编程中,位图可以通过特定的函数和数据结构来进行处理和操作。

      2025-04-14 09:28:32
      C++ , 位图 , 操作 , 比特
      2025-03-05 09:08:19

      Java中的位图和布隆过滤器(如果想知道Java中有关位图和布隆过滤器的知识点,那么只看这一篇就足够了!)

      Java中的位图和布隆过滤器(如果想知道Java中有关位图和布隆过滤器的知识点,那么只看这一篇就足够了!)

      2025-03-05 09:08:19
      位图 , 哈希 , 布隆 , 数据 , 过滤器
      2025-02-13 08:41:23

      【算法】位运算算法——判断字符是否唯一

      【算法】位运算算法——判断字符是否唯一

      2025-02-13 08:41:23
      位图 , 哈希 , 数组 , 算法 , 题目 , 题解
      2025-02-11 09:39:39

      数据结构之位图与布隆过滤器

      所谓位图,就是用每一位来存放某种状态,适用于海量数据,整数,数据无重复的场景。通常是用来判断某个数据存不存在的。

      2025-02-11 09:39:39
      位图 , 元素 , 哈希 , 布隆 , 过滤器
      2022-12-26 09:32:17

      求最大相邻数字#yyds干货盘点#

      求最大相邻数字2,6,3,4,5,10,9 利用位图概念,讲最大值作为新数组长度,最小值作为偏移量,通过当前元素减去偏移量,放到位图里,设置为1,其他的设置为0

      2022-12-26 09:32:17
      偏移量 , 最小值 , 位图
      2022-12-26 09:32:17

      算法问题-求数组排序后最大相邻数差

      求最大相邻数字2,6,3,4,5,10,9利用位图概念,讲最大值作为新数组长度,最小值作为偏移量,通过当前元素减去偏移量,放到位图里,设置为1,其他的设置为0 不会,我可以学;落后,我可以追赶;跌倒,我可以站起来!

      2022-12-26 09:32:17
      偏移量 , 位图
      查看更多
      推荐标签

      作者介绍

      天翼云小翼
      天翼云用户

      文章

      33564

      阅读量

      5016399

      查看更多

      最新文章

      算法问题-求数组排序后最大相邻数差

      2022-12-26 09:32:17

      查看更多

      热门文章

      算法问题-求数组排序后最大相邻数差

      2022-12-26 09:32:17

      查看更多

      热门标签

      算法 leetcode python 数据 java 数组 节点 大数据 i++ 链表 golang c++ 排序 django 数据类型
      查看更多

      相关产品

      弹性云主机

      随时自助获取、弹性伸缩的云服务器资源

      天翼云电脑(公众版)

      便捷、安全、高效的云电脑服务

      对象存储

      高品质、低成本的云上存储服务

      云硬盘

      为云上计算资源提供持久性块存储

      查看更多

      随机文章

      算法问题-求数组排序后最大相邻数差

      • 7*24小时售后
      • 无忧退款
      • 免费备案
      • 专家服务
      售前咨询热线
      400-810-9889转1
      关注天翼云
      • 权益商城
      • 天翼云APP
      • 天翼云微信公众号
      服务与支持
      • 备案中心
      • 售前咨询
      • 智能客服
      • 自助服务
      • 工单管理
      • 客户公告
      • 涉诈举报
      账户管理
      • 管理中心
      • 订单管理
      • 余额管理
      • 发票管理
      • 充值汇款
      • 续费管理
      快速入口
      • 权益商城
      • 文档中心
      • 最新活动
      • 免费试用
      • 信任中心
      • 天翼云学堂
      云网生态
      • 甄选商城
      • 渠道合作
      • 云市场合作
      了解天翼云
      • 关于天翼云
      • 天翼云APP
      • 服务案例
      • 新闻资讯
      • 联系我们
      热门产品
      • 云电脑
      • 弹性云主机
      • 云电脑政企版
      • 天翼云手机
      • 云数据库
      • 对象存储
      • 云硬盘
      • Web应用防火墙
      • 服务器安全卫士
      • CDN加速
      热门推荐
      • 云服务备份
      • 边缘安全加速平台
      • 全站加速
      • 安全加速
      • 云服务器
      • 云主机
      • 智能边缘云
      • 应用编排服务
      • 微服务引擎
      • 共享流量包
      更多推荐
      • web应用防火墙
      • 密钥管理
      • 等保咨询
      • 安全专区
      • 应用运维管理
      • 云日志服务
      • 文档数据库服务
      • 云搜索服务
      • 数据湖探索
      • 数据仓库服务
      友情链接
      • 中国电信集团
      • 189邮箱
      • 天翼企业云盘
      • 天翼云盘
      ©2025 天翼云科技有限公司版权所有 增值电信业务经营许可证A2.B1.B2-20090001
      公司地址:北京市东城区青龙胡同甲1号、3号2幢2层205-32室
      • 用户协议
      • 隐私政策
      • 个人信息保护
      • 法律声明
      备案 京公网安备11010802043424号 京ICP备 2021034386号