java.utils.BitSet位存储

前言

计算机中一个字节（byte）占8位（bit），我们java数据至少按字节存储的，比如一个int占4个字节。
如果遇到大的数据量，这样必然会需要很大存储空间和内存。
如何减少数据占用存储空间和内存可以用算法解决。java.util.BitSet就提供了这样的算法。

简介

jdk的工具类中提供了BitSet位存储的工具类，通过位来存储数据，可大大节约存储空间，同时消耗更少的CPU运算来查找数据。

存储示例

比如我们现在要存储 [0,2,4,6,7,15]这个6个数字，如果采用int数组进行存放，那么要占用的字节数目4*6=24个字节，但如果是采用BitSet如下所示，只需2个字节即可：

存储前	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
存储后	1	0	1	0	1	0	0	0	0	0	0	0	0	0	0	1

内部实现

• 初始化
  jdk中默认是通过创建long数组的方式来进行存储的，默认会创建size为4的words，也即是可以存储0~63共64个数字。通过提供的默认构造方法可以指定创建的初始大小。

public BitSet(int nbits);
//默认使用long数组来进行存储
private void initWords(int nbits) {
    words = new long[wordIndex(nbits-1) + 1];
}

• 插入
  插入源码如下所示，根据代码可看出其步骤如下：
  1.获取插入元素指定的索引
  2.判断索引是否大于已用索引，如果大于则进行数组扩容
  3.执行插入

public void set(int bitIndex) {
        if (bitIndex < 0)
            throw new IndexOutOfBoundsException("bitIndex < 0: " + bitIndex);
        int wordIndex = wordIndex(bitIndex);
        expandTo(wordIndex);

        words[wordIndex] |= (1L << bitIndex); // Restores invariants
    }

在此我们创建BitSet然后依次插入[0,2,4,6],然后打断点看一下long数组存储了什么内容：
打印的内容如下：[85,0,0,0]，可以发现，我们的四个元素只存储至了第一个long，即0~63以内的元素只能改变word数组的第一个元素。

如果我们此时直接插入10000，那么words数组会如何扩容呢？ 10000 / 64 约等于 157，所以原有的长度为4的数组为扩容至157，且words[156]=65536。

根据上述描述，我们可以发现如果我们的数据离散型特别大，会导致BitSet创建过多的无用存储空间，所以BitSet比较适用于数据聚合性比较的场景。

如果是离散型比较大，但又想使用到BitSet的特性，可以考虑使用Google的EWAHCompressedBitmap，其对于这种场景做了专门的优化，可兴趣的可以参考 漫画：Bitmap算法 整合版
EWAHCompressedBitmap的依赖如下：

    com.googlecode.javaewah
    JavaEWAH
    1.1.6

• 获取

使用场景