海量数据处理系列之:用C++实现Bitmap算法

bitmap是一个十分有用的结构。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。 
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。
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。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。 
下面是一个简单的Bitmap的实现：

#include "stdafx.h"

#include 
using namespace std;
char *g_bitmap = NULL;  
int g_size = 0;  
int g_base = 0; 
//功能：初始化bitmap 
//参数： size：bitmap的大小，即bit位的个数 
//      start：起始值 
//返回值：0表示失败，1表示成功 
int bitmap_init(int size, int start)  
{  
 g_size = size/8+1;
 g_base = start;
 g_bitmap = new char[g_size];  
 if(g_bitmap == NULL)
 {
  return 0;  
 }
 memset(g_bitmap, 0x0, g_size);  
 return 1;  
}  
//功能：将值index的对应位设为1 
//index:要设的值 
//返回值：0表示失败，1表示成功 
int bitmap_set(int index)  
{  
     int quo = (index-g_base)/8 ;  //确定所在的字节
     int remainder = (index-g_base)%8;  //字节内的偏移  
     unsigned char x = (0x1< g_size)  
          return 0;
     g_bitmap[quo] |= x;   //所在字节内的特定位置为1  
     return 1;   
}  

//功能：取bitmap第i位的值 
//i：待取位 
//返回值：-1表示失败，否则返回对应位的值 
int bitmap_get(int i)  
{  
 int quo = (i)/8 ;  
 int remainder = (i)%8;  
 unsigned char x = (0x1< g_size)  
  return -1;  
 res = g_bitmap[quo] & x;  
 return res > 0 ? 1 : 0;   
}  

 //功能：返回index位对应的值   
int bitmap_data(int index)  
{  
 return (index + g_base);  
}  
//释放内存 
int bitmap_free()  
{  
 delete [] g_bitmap;
 return 0;
}    

int _tmain(int argc, _TCHAR* argv[]) 
{  
 int a[] = {5,8,7,6,3,1,10,78,56,34,23,12,43,54,65,76,87,98,89,100};  
    int i;  
 bitmap_init(100, 0);  
 for(i=0; i<20; i++)
 {
  bitmap_set(a[i]);  
 }
 for(i=0; i<=100; i++)  
 {  
  if(bitmap_get(i) > 0 )  
   cout << bitmap_data(i)<< " ";
 }  
 cout << endl;  
 bitmap_free(); 
    return 0;  
}  

另外参考：

http://blog.csdn.net/stpeace/article/details/47285163