源码网商城,靠谱的源码在线交易网站 我的订单 购物车 帮助

源码网商城

海量数据处理系列之:用C++实现Bitmap算法

  • 时间:2022-09-25 04:38 编辑: 来源: 阅读:
  • 扫一扫,手机访问
摘要: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 [b]问题实例: [/b][b]1)[/b]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。 [b]2)[/b]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:
[u]复制代码[/u] 代码如下:
#include "stdafx.h" #include <iostream> 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<<remainder);         if( quo > 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<<remainder);   unsigned char res;   if( quo > 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;  } 
[b]【问题实例】 1)[/b]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。 (可以理解为从0-99 999 999的数字,每个数字对应一个Bit位,所以只需要99M个Bit==1.2MBytes,这样,就用了小小的1.2M左右的内存表示了所有的8位数的电话) [b]2)[/b]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,在遍历这些数的时候,如果对应位置的值是0,则将其置为1;如果是1,将其置为2;如果是2,则保持不变。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,都是一样的道理。
  • 全部评论(0)
联系客服
客服电话:
400-000-3129
微信版

扫一扫进微信版
返回顶部