来自:梦见(微信号:dreamsee321)
上一期漫画分享了Bitmap算法的基本概念,小伙伴们的互动十分积极,在此很感谢大家的热情。
没看过上一期漫画的朋友们可以点击下面的链接:
漫画:什么是Bitmap算法?
针对上一期小伙伴们提出的各种问题,这一次咱们来集中解答。
我们以上一期的用户数据为例,用户基本信息如下。按照年龄标签,可以划分成90后、00后两个Bitmap:
用更加形象的表示,90后用户的Bitmap如下:
这时候可以直接求得非90后的用户吗?直接进行非运算?
显然,非90后用户实际上只有1个,而不是图中得到的8个结果,所以不能直接进行非运算。
同样是刚才的例子,我们给定90后用户的Bitmap,再给定一个全量用户的Bitmap。最终要求出的是存在于全量用户,但又不存在于90后用户的部分。
如何求出呢?我们可以使用异或操作,即相同位为1,不同位为0。
25769803776L = 11000000000000000000000000000000000B
8589947086L = 1000000000000000000011000011001110B
1.解析Word0,得知当前RLW横跨的空Word数量为0,后面有连续3个普通Word。
2.计算出当前RLW后方连续普通Word的最大ID是 64 X (0 + 3) -1 = 191。
3. 由于 191 < 400003,所以新ID必然在下一个RLW(Word4)之后。
4.解析Word4,得知当前RLW横跨的空Word数量为6247,后面有连续1个普通Word。
5.计算出当前RLW(Word4)后方连续普通Word的最大ID是191 + (6247 + 1)X64 = 400063。
6.由于400003 < 400063,因此新ID 400003的正确位置就在当前RLW(Word4)的后方普通Word,也就是Word5当中。
最终插入结果如下:
官方说明如下:
* 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.
几点说明:
1.为了便于理解,文中介绍的Bitmap优化方法在一定程度上做了简化,源码中的逻辑要复杂得多。比如对于插入数据400003的定位,和实际步骤是有出入的。
2.如果同学们有兴趣,可以亲自去阅读源码,甚至是尝试实现自己的Bitmap算法。虽然要花不少时间,但这确实是一种很好的学习方法。
EWAHCompressedBitmap对应的maven依赖如下:
com.googlecode.javaewah
JavaEWAH
1.1.0
—————END—————
系列文章:
《漫画:什么是一致性哈希?》
《漫画:什么是B+树?》
《漫画:什么是B-树?》
《漫画:什么是跳跃表?》
《漫画:什么是动态规划?》
《漫画:当程序猿遇上智力测试题》
《漫画:判断 2 的乘方》
《漫画算法:最小栈的实现》
《漫画:什么是大数据?》
《漫画算法:无序数组排序后的最大相邻差值》
《漫画:什么是Bitmap算法?》
●本文编号451,以后想阅读这篇文章直接输入451即可
●输入m获取到文章目录
Python编程
更多推荐《18个技术类公众微信》
涵盖:程序人生、算法与数据结构、黑客技术与网络安全、大数据技术、前端开发、Java、Python、Web开发、安卓开发、iOS开发、C/C++、.NET、Linux、数据库、运维等。