歡迎來到Linux教程網
Linux教程網
Linux教程網
Linux教程網
您现在的位置: Linux教程網 >> UnixLinux >  >> Linux編程 >> Linux編程

大數據處理-BitMap是什麼

1. Bit Map算法簡介

所謂的Bit-map就是用一個bit位來標記某個元素對應的Value, 而Key即是該元素。由於采用了Bit為單位來存儲數據,因此在存儲空間方面,可以大大節省。

2. Bit Map的基本思想

我們先來看一個具體的例子,假設我們要對0-7內的5個元素(4,7,2,5,3)排序(這裡假設這些元素沒有重復)。那麼我們就可以采用Bit-map的方法來達到排序的目的。要表示8個數,我們就只需要8個Bit(1Bytes),首先我們開辟1Byte的空間,將這些空間的所有Bit位都置為0,如下圖:

然後遍歷這5個元素,首先第一個元素是4,那麼就把4對應的位置為1(可以這樣操作 p+(i/8)|(0x01<<(i%8)) 當然了這裡的操作涉及到Big-ending和Little-ending的情況,這裡默認為Big-ending),因為是從零開始的,所以要把第五位置為一(如下圖):

 

然後再處理第二個元素7,將第八位置為1,,接著再處理第三個元素,一直到最後處理完所有的元素,將相應的位置為1,這時候的內存的Bit位的狀態如下:

 

然後我們現在遍歷一遍Bit區域,將該位是一的位的編號輸出(2,3,4,5,7),這樣就達到了排序的目的。

優點:

1.運算效率高,不許進行比較和移位;

2.占用內存少,比如N=10000000;只需占用內存為N/8=1250000Byte=1.25M。

缺點:

      所有的數據不能重復。即不可對重復的數據進行排序和查找。   

3. Map映射表

假設需要排序或者查找的總數N=10000000,那麼我們需要申請內存空間的大小為int a[1 + N/32],其中:a[0]在內存中占32為可以對應十進制數0-31,依次類推:

bitmap表為:

a[0]--------->0-31

a[1]--------->32-63

a[2]--------->64-95

a[3]--------->96-127

..........

那麼十進制數如何轉換為對應的bit位,下面介紹用位移將十進制數轉換為對應的bit位。

4. 位移轉換

申請一個int一維數組,那麼可以當作為列為32位的二維數組,

            |                 32位                        |

int a[0]    |0000000000000000000000000000000000000|

int a[1]    |0000000000000000000000000000000000000|

………………

int a[N]   |0000000000000000000000000000000000000|

 

例如十進制0,對應在a[0]所占的bit為中的第一位: 00000000000000000000000000000001

0-31:對應在a[0]中

i =0                     00000000000000000000000000000000

temp=0                  00000000000000000000000000000000

answer=1                00000000000000000000000000000001

 

i =1                      00000000000000000000000000000001

temp=1                  00000000000000000000000000000001

answer=2                00000000000000000000000000000010

 

i =2                      00000000000000000000000000000010

temp=2                  00000000000000000000000000000010

answer=4                00000000000000000000000000000100

 

i =30                     00000000000000000000000000011110

temp=30                  00000000000000000000000000011110

answer=1073741824               01000000000000000000000000000000

 

i =31                           00000000000000000000000000011111

temp=31                        00000000000000000000000000011111

answer=-2147483648              10000000000000000000000000000000

 

32-63:對應在a[1]中

i =32                    00000000000000000000000000100000

temp=0                  00000000000000000000000000000000

answer=1                00000000000000000000000000000001

 

i =33                    00000000000000000000000000100001

temp=1                  00000000000000000000000000000001

answer=2                00000000000000000000000000000010

 

i =34                    00000000000000000000000000100010

temp=2                  00000000000000000000000000000010

answer=4                00000000000000000000000000000100

 

i =61                      00000000000000000000000000111101

temp=29                    00000000000000000000000000011101

answer=536870912               00100000000000000000000000000000

 

i =62                      00000000000000000000000000111110

temp=30                    00000000000000000000000000011110

answer=1073741824             01000000000000000000000000000000

 

i =63                      00000000000000000000000000111111

temp=31                    00000000000000000000000000011111

answer=-2147483648               10000000000000000000000000000000

淺析上面的對應表,分三步:

1.求十進制0-N對應在數組a中的下標:

十進制0-31,對應在a[0]中,先由十進制數n轉換為與32的余可轉化為對應在數組a中的下標。比如n=24,那麼 n/32=0,則24對應在數組a中的下標為0。又比如n=60,那麼n/32=1,則60對應在數組a中的下標為1,同理可以計算0-N在數組a中的下標。

2.求0-N對應0-31中的數:

十進制0-31就對應0-31,而32-63則對應也是0-31,即給定一個數n可以通過模32求得對應0-31中的數。

3.利用移位0-31使得對應32bit位為1:

找到對應0-31的數為M, 左移M位:即2^M. 然後置1.

 

由此我們計算10000000個bit占用的空間:

1byte = 8bit

1kb = 1024byte

1mb = 1024kb

占用的空間為:10000000/8/1024/1024mb。

5. 擴展

Bloom filter可以看做是對bit-map的擴展

6. Bit-Map的應用

1)可進行數據的快速查找,判重,刪除,一般來說數據范圍是int的10倍以下。

2)去重數據而達到壓縮數據

7. Bit-Map的具體實現

#define BITSPERWORD 32 
#define SHIFT 5 
#define MASK 0x1F 
#define N 10000000 
     
int a[1 + N/BITSPERWORD];//申請內存的大小 
     
     
//set 設置所在的bit位為1 
void set(int i) {         
    a[i>>SHIFT] |=  (1<<(i & MASK)); 

//clr 初始化所有的bit位為0 
void clr(int i) {         
    a[i>>SHIFT] &= ~(1<<(i & MASK)); 

//test 測試所在的bit為是否為1 
int  test(int i){ 
    return a[i>>SHIFT] &  (1<<(i & MASK)); 

     
int main() 

    int i; 
    for (i = 0; i < N; i++) 
        clr(i);   
    while (scanf("%d", &i) != EOF) 
        set(i); 
    for (i = 0; i < N; i++) 
          if (test(i)) 
            printf("%d\n", i); 
    return 0; 
}

注明: 左移n位就是乘以2的n次方,右移n位就是除以2的n次方

解析本例中的void set(int i) {        a[i>>SHIFT] |=  (1<<(i & MASK)); }

1)  i>>SHIFT:

其中SHIFT=5,即i右移5為,2^5=32,相當於i/32,即求出十進制i對應在數組a中的下標。比如i=20,通過i>>SHIFT=20>>5=0 可求得i=20的下標為0;

2)  i & MASK:

其中MASK=0X1F,十六進制轉化為十進制為31,二進制為0001 1111,i&(0001 1111)相當於保留i的後5位。

比如i=23,二進制為:0001 0111,那麼

                    0001 0111

                  & 0001 1111 = 0001 0111 十進制為:23

比如i=83,二進制為:0000 0000 0101 0011,那麼

                    0000 0000 0101 0011

                  & 0000 0000 0001 0000 = 0000 0000 0001 0011 十進制為:19

i & MASK相當於i%32。

3) 1<<(i & MASK)

相當於把1左移 (i & MASK)位。

比如(i & MASK)=20,那麼i<<20就相當於:

        0000 0000 0000 0000 0000 0000 0000 0001 << 20

      =0000 0000 0001 0000 0000 0000 0000 0000

注意上面 “|=”。位運算符及其應用 提到過這樣位運算應用:

將int型變量a的第k位清0,即a=a&~(1<<k)

將int型變量a的第k位置1, 即a=a|(1<<k)

這裡的將  a[i/32] |= (1<<M)); 第M位置1 .

4) void set(int i) { a[i>>SHIFT]  |=  (1<<(i & MASK)); } 等價void set(int i) {  a[i/32] |= (1<<(i%32));  }

即實現上面提到的三步:

1.求十進制0-N對應在數組a中的下標: n/32

2.求0-N對應0-31中的數: N%32=M

3.利用移位0-31使得對應32bit位為1: 1<<M,並置1;

然後打印結果:

0=11000000000000000000000000001110

1=1000001000000000000000010

6=10000000

 

32位表示,實際結果一目了然了,看看1,2,3,30,31, 33,50,56,199數據所在的具體位置:

  31  30                                                              3    2   1                                                                                                   

                                                                                                                           

0=  1    1    00      0000   0000  0000  0000    0000   0000  1    1  1  0

       56         50                                   33

                                                                                             

1= 0000  0001  0000  0100  0000  0000  0000  0010

                     199

                                                                                                                                                                 

6=  0000  0000  0000  0000  0000  0000  1000  0000

 

更多詳情見請繼續閱讀下一頁的精彩內容: http://www.linuxidc.com/Linux/2015-02/112831p2.htm

Copyright © Linux教程網 All Rights Reserved