轉載自??玻璃貓 程序員小灰

兩個月之前——

為滿足用戶標簽的統計需求，小灰利用Mysql設計了如下的表結構，每一個維度的標簽都對應著Mysql表的一列：

要想統計所有90后的程序員該怎么做呢？

用一條求交集的SQL語句即可：

Select count（distinct Name） as 用戶數 from table whare age = '90后' and Occupation = '程序員' ;

要想統計所有使用蘋果手機或者00后的用戶總合該怎么做？

用一條求并集的SQL語句即可：

Select count（distinct Name） as 用戶數 from table whare Phone = '蘋果' or age = '00后' ;

兩個月之后——

———————————————

1. 給定長度是10的bitmap，每一個bit位分別對應著從0到9的10個整型數。此時bitmap的所有位都是0。

? ??

2. 把整型數4存入bitmap，對應存儲的位置就是下標為4的位置，將此bit置為1。

3. 把整型數2存入bitmap，對應存儲的位置就是下標為2的位置，將此bit置為1。

4. 把整型數1存入bitmap，對應存儲的位置就是下標為1的位置，將此bit置為1。

5. 把整型數3存入bitmap，對應存儲的位置就是下標為3的位置，將此bit置為1。

要問此時bitmap里存儲了哪些元素？顯然是4,3,2,1，一目了然。

Bitmap不僅方便查詢，還可以去除掉重復的整型數。

1. 建立用戶名和用戶ID的映射：

2. 讓每一個標簽存儲包含此標簽的所有用戶ID，每一個標簽都是一個獨立的Bitmap。

3. 這樣，實現用戶的去重和查詢統計，就變得一目了然：

1. 如何查找使用蘋果手機的程序員用戶？

2. 如何查找所有男性或者00后的用戶？

一周之后......

我們以上一期的用戶數據為例，用戶基本信息如下。按照年齡標簽，可以劃分成90后、00后兩個Bitmap：

用更加形象的表示，90后用戶的Bitmap如下：

這時候可以直接求得非90后的用戶嗎？直接進行非運算？

顯然，非90后用戶實際上只有1個，而不是圖中得到的8個結果，所以不能直接進行非運算。

同樣是剛才的例子，我們給定90后用戶的Bitmap，再給定一個全量用戶的Bitmap。最終要求出的是存在于全量用戶，但又不存在于90后用戶的部分。

如何求出呢？我們可以使用異或操作，即相同位為0，不同位為1。

25769803776L ?= ?11000000000000000000000000000000000B

8589947086L =?1000000000000000000011000011001110B

1.解析Word0，得知當前RLW橫跨的空Word數量為0，后面有連續3個普通Word。

2.計算出當前RLW后方連續普通Word的最大ID是 ?64 X ?(0 + 3) -1 = 191。

3. 由于 191 < 400003，所以新ID必然在下一個RLW（Word4）之后。

4.解析Word4，得知當前RLW橫跨的空Word數量為6247，后面有連續1個普通Word。

5.計算出當前RLW（Word4）后方連續普通Word的最大ID是191 + （6247 + 1）X64 ?= 400063。

6.由于400003 < 400063，因此新ID 400003的正確位置就在當前RLW（Word4）的后方普通Word，也就是Word5當中。

最終插入結果如下：

?

官方說明如下：

*?Though?you?can?set?the?bits?in?any?order?(e.g.,?set(100),?set(10),?set(1),*?you?will?typically?get?better?performance?if?you?set?the?bits?in?increasing?order?(e.g.,?set(1),?set(10),?set(100)).*?*?Setting?a?bit?that?is?larger?than?any?of?the?current?set?bit*?is?a?constant?time?operation.?Setting?a?bit?that?is?smaller?than?an?*?already?set?bit?can?require?time?proportional?to?the?compressed*?size?of?the?bitmap,?as?the?bitmap?may?need?to?be?rewritten.

幾點說明：

1. 該項目最初的技術選型并非Mysql，而是內存數據庫hana。本文為了便于理解，把最初的存儲方案寫成了Mysq數據庫。

1.文中介紹的Bitmap優化方法在一定程度上做了簡化，源碼中的邏輯要復雜得多。比如對于插入數據400003的定位，和實際步驟是有出入的。

2.如果同學們有興趣，可以親自去閱讀源碼，甚至是嘗試實現自己的Bitmap算法。雖然要花不少時間，但這確實是一種很好的學習方法。

EWAHCompressedBitmap對應的maven依賴如下：

12345

<dependency>??<groupId>com.googlecode.javaewah</groupId>??<artifactId>JavaEWAH</artifactId>??<version>1.1.0</version></dependency>

—————END—————

總結

以上是生活随笔為你收集整理的漫画：Bitmap算法 整合版的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。