漫画：Bitmap算法

两个月之前——

为满足用户标签的统计需求，小灰利用Mysql设计了如下的表结构，每一个维度的标签都对应着Mysql表的一列：

要想统计所有90后的程序员该怎么做呢？

用一条求交集的SQL语句即可：

Select count（distinct Name） as 用户数 from table whare age = '90后' and Occupation = '程序员' ;

要想统计所有使用苹果手机或者00后的用户总合该怎么做？

用一条求并集的SQL语句即可：

Select count（distinct Name） as 用户数 from table whare Phone = '苹果' or age = '00后' ;

两个月之后——

———————————————

1. 给定长度是10的bitmap，每一个bit位分别对应着从0到9的10个整型数。此时bitmap的所有位都是0。

2. 把整型数4存入bitmap，对应存储的位置就是下标为4的位置，将此bit置为1。

3. 把整型数2存入bitmap，对应存储的位置就是下标为2的位置，将此bit置为1。

4. 把整型数1存入bitmap，对应存储的位置就是下标为1的位置，将此bit置为1。

5. 把整型数3存入bitmap，对应存储的位置就是下标为3的位置，将此bit置为1。

要问此时bitmap里存储了哪些元素？显然是4,3,2,1，一目了然。

Bitmap不仅方便查询，还可以去除掉重复的整型数。

1. 建立用户名和用户ID的映射：

2. 让每一个标签存储包含此标签的所有用户ID，每一个标签都是一个独立的Bitmap。

3. 这样，实现用户的去重和查询统计，就变得一目了然：

1. 如何查找使用苹果手机的程序员用户？

2. 如何查找所有男性或者00后的用户？

一周之后......

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0，不同位为1。

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. 该项目最初的技术选型并非Mysql，而是内存数据库hana。本文为了便于理解，把最初的存储方案写成了Mysq数据库。

1.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：

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

—————END—————

漫画：Bitmap算法相关推荐

【转】漫画：Bitmap算法
漫画:Bitmap算法转载于:https://www.cnblogs.com/apeway/p/10786283.html
漫画：Bitmap算法整合版
转载自玻璃猫程序员小灰两个月之前-- 为满足用户标签的统计需求,小灰利用Mysql设计了如下的表结构,每一个维度的标签都对应着Mysql表的一列: 要想统计所有90后的程序员该怎么做呢? 用一 ...
漫画说算法--动态规划算法三（绝对通俗易懂，非常棒）
在前两集漫画中,我们通过一个算法问题的完整解题过程,讲述了动态规划的基本概念和思想.没看过前两集的朋友可以点击下面的链接: 漫画说算法–动态规划算法一(绝对通俗易懂,非常棒) 漫画说算法–动态规划算法 ...
漫画说算法--动态规划算法二（绝对通俗易懂，非常棒）
在上一篇漫画中,我们分析了一道动态规划相关的算法问题,并归纳出了问题的状态转移方程式.没看过上一篇的朋友可以点击下面的链接: 漫画说算法–动态规划算法一(绝对通俗易懂,非常棒) 首先,让我们简单回顾一 ...
BitMap算法应用：Redis队列滤重优化
工作中有用到Redis滤重队列. 原来的方法如下: 方法一为了保证操作原子性,使用Redis执行Lua脚本. 在脚本中的逻辑是,如果队列不超过某个数值,进行一次lrem操作(队列使用list结构), ...
【算法与数据结构专场】BitMap算法基本操作代码实现
上篇我们讲了BitMap是如何对数据进行存储的,没看过的可以看一下[算法与数据结构专场]BitMap算法介绍这篇我们来讲一下BitMap这个数据结构的代码实现. 回顾下数据的存储原理一个二进制位对 ...
《算法与数据结构专场》BitMap算法介绍
我们先来看个简单的问题. 假如给你20亿个非负数的int型整数,然后再给你一个非负数的int型整数t,让你判断t是否存在于这20亿数种,你会怎么做呢? 有人可能会用一个int数组,然后把20亿个数给存 ...
漫画说算法--动态规划算法一（绝对通俗易懂，非常棒）
题目: 有一座高度是10级台阶的楼梯,从下往上走,每跨一步只能向上1级或者2级台阶.要求用程序来求出一共有多少种走法. 比如,每次走1级台阶,一共走10步,这是其中一种走法.我们可以简写成 1,1,1 ...
通过BitSet源码来理解BitMap算法
BitMap是一种很常用的数据结构,它的思想的和原理是很多算法的基础,当然,并且在索引,数据压缩,海量数据处理等方面有广泛应用. 一.简介 BitMap 是一种很常用的数据结构,它的思想和原理是很多算 ...
生成模型--GAN用于图像漫画特效算法
图像漫画特效算法这种风格迁移的算法都快要被GAN统治了 . 主要思路可以分两部分: 1)简化图像,即去除图像细节,仅保留图像主要信息: 在简化图像步骤,除了meanshift算法外 ...

漫画：Bitmap算法

漫画：Bitmap算法相关推荐

最新文章

热门文章