位图的详解

目录

位图

位图的概念

位图的实现

位图常见三道面试题

1.给定100亿个整数，设计算法找到只出现一次的整数？

2. 给两个文件，分别有100亿个整数，我们只有1G内存，如何找到两个文件交集？ 

3. 位图应用变形：1个文件有100亿个int，1G内存，设计算法找到出现次数不超过2次的所有整数.

---

位图

位图的概念

先来看一下位图的概念

位图 (Bitmap) 是一种基于位操作的数据结构，用于表示一组元素的集合信息。它通常是一个仅包含0和1的数组，其中每个元素对应集合中的一个元素。位图中的每个位（或者可以理解为数组的元素）代表一个元素是否存在于集合中。当元素存在时，对应位的值为1；不存在时，对应位的值为0。位图常用于判断某个元素是否属于某个集合，或者对多个集合做交集、并集或差集等集合运算。

可能这么多听起来很复杂，其实总结下来就这个意思：

位图本质是个数组，用来存放0和1。

位图通过自身数组中的每个位来代表集合(我们要处理的数据)中的元素，每个位是0或1，代表元素的存在与否(0,不存在；1,存在)。

我们先看一下下面的例子：

给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在这40亿个数中。

1.首先当然可以遍历这40亿个数，这样效率会太低了，肯定直接pass掉.

2.也可以考虑搜索树或者哈希表，操作之前一定要把数据先存下来构建树或表。但是仔细一想，40亿个数，占多少空间？

40亿个无符号整数，每个大小4个字节，则一共占用160亿字节。

1GB = 1024 MB, 1MB  = 1024KB， 1KB = 1024Byte(字节).

所以一共占用16000000000/1024/1024/1024≈14.9G.

所以要用这些方法的话一上来就占用14.9G的系统内存，大多数电脑是吃不消的，更别说搜索树结点还存其他属性信息，现在内存16G的电脑也不算很多。这肯定不行的.

3.当然还可以存在磁盘上，进行外排序+二分查找。但是想一下，这一切是在磁盘上进行，磁盘的速度可是非常慢的，而且要对这么多数据排序，以及在磁盘上进行二分查找，无论代码还是时间都是复杂和比较慢的.

下一个方法，就是我们大名鼎鼎的位图来解决了，具体是怎么样的呢？

首先，我们要给数组开辟一块空间，这片空间我们开多少呢，要根据数据范围开空间，而不是数据个数。

这个我相信大家都能理解，毕竟如果只有两个数，一个是1，一个数是40亿，按数据个数开两个空间的话只能存下1和2,40亿肯定是存不下的。

所以无符号整型的数据范围是0~2^32-1,所以我们要开这么大的空间.那么一共多大呢？

由于我们是使用比特位进行表示每一个数是否存在的，所以相当于是2^32-1个比特位。由于1byte=8bit.根据上面所说，一共占用(2^32-1)/8/1024/1024/1024=0.5GB=512MB. 

所以我们开好空间以后，我们只需要将数对应的位置为1即可.

比如数据{1,4,9,15,17,23},在位图中是什么样的？

 这样到时候直接判断对应位置是不是1即可判断某个数是否存在.

具体怎么设置，取消，判断看下面。

位图的实现

主要包含三个核心接口：设置(设为1)、重置(设为0)、判断(是0还是1)。

对于每一步可以看注释.

#include
#include
using namespace std;

namespace hyx
{
    //N代表数据范围
	template
	class bit_set
	{
	public:
		bit_set()
		{
			_bits.resize(N / 8 + 1, 0);
		}
		void set(size_t x)
		{
			//由于一个组是char，所以x/8是计算在哪个char组里
			size_t i = x / 8;
			//一个char里有8位，x%8是计算出在char组里面的具体哪一位
			size_t j = x % 8;
			//这个建议大家画图理解，首先_bits[i]是对应的char组，然后1< _bits;
	};
}

 接下来你可以测试一些数据，比如set一些或reset一些.

当然如果想创建无符号整数的测试集，范围是0~2^32-1,可以直接用-1替代，因为-1的二进制是全1.

转化为无符号整数就是最大的。或者0xffffffff。同样地道理。如下

hyx::bit_set<-1> bs1;

这样创建即可.

位图常见三道面试题

下面来几个位图的拓展题：

1.给定100亿个整数，设计算法找到只出现一次的整数？

首先100亿个整数会不会有空间的问题？答案是肯定不会的，因为开空间和数据范围有关系，和数据个数没有关系，100亿个整数，每个数的范围都是42亿(2^32-1)之内,不会说有100亿个不重复的整数.

首先问题是找出现一次的整数，很明显是个key-value模型。那这至少需要两个位图了。所以就需要建立双位图解决.

既然求出现一次，那么肯定是以下三种情况：(左边次数，右边对应的位图状态)

0次                     00

1次                     01

2次及以上          10

所以上面可知，第二个位图是由两个位进行表示.这样又得需要各种控制，也是不太方便.

其实位图也是一个数据结构，STL库中也有对应的容器——bitset.

 那我们直接用两个位图分别表示这两个位不就可以了吗，当然！

所以我们要自己建立一个有两个位图的类，如下

整体思路是：依次判断两个位：

1.若为00，说明这个数一次也没出现过，将其改为01.即将第二个位图设为1.

2.若为01，说明这个数出现了一次，将其改为10，即第一个位图设为1，第二个位图设为0.

 后面可以写一个成员函数来输出符合条件的数：

template 
class twobitset
{
public:
	void set(size_t x)
	{
		bool inset1 = _bs1.test(x);
		bool inset2 = _bs2.test(x);
		//00
		if (inset1 == false && inset2 == false)
		{
			//->01
			_bs2.set(x);
		}
		else if (inset1 == false && inset2 == true)
		{
			//->10
			_bs1.set(x);
			_bs2.reset(x);
		}
	}
		void print_once_num()
		{
			for (int i = 0; i < N; i++)
			{
				//筛选出两个位图为01的数
				if (_bs1[i] == false && _bs2[i] == true)
				{
					cout << i << endl;
				}
			}
		}
private:
	bitset _bs1;
	bitset _bs2;
};
void test_oncenum()
{
	int a[] = { 1,1,2,3,4,5,5,5,6,6,6,6,7,9,22 };
	twobitset<100> bs;
	for (auto e : a)
	{
		bs.set(e);
	}
	bs.print_once_num();
}

 然后我们调用测试函数，得到：

可以发现已经输出了出现个数只为1的数.

2. 给两个文件，分别有100亿个整数，我们只有1G内存，如何找到两个文件交集？ 

这道题比较简单，思路是建立两个位图，然后分别把两个文件里的数据set到位图里，然后最后将两个位图&一下，然后再从最后的结果中找位是1的即可(利用test).

3. 位图应用变形：1个文件有100亿个int，1G内存，设计算法找到出现次数不超过2次的所有整数.

这个题和1题类似，无非就是多了一种状态：3次及3次以上。最后对应的状态是以下这样：

0次                     00

1次                     01

2次                     10

3次及3次以上     11

然后要在twobitset的set中多加一个判断条件：当位图位10时，下一次改为11.

		//10
		else if (inset1 == true && inset2 == false)
		{
			//->11
			_bs2.set(x);
		}

然后输出的时候变化条件为bs1[i]==true和bs2[i]==true(11)即可.

至此，位图的所有内容就结束了，若有不懂或疑问的地方，欢迎私信或评论~