Java BitSet（位集）

标签：color   操作   初始   ISE   索引   cts   默认   没有   存储空间   

原理简介：

        Java平台的BitSet用于存放一个位序列，如果要高效的存放一个位序列，就可以使用位集(BitSet)。由于位集将位包装在字节里，所以使用位集比使用Boolean对象的List更加高效和更加节省存储空间。

        BitSet是位操作的对象，值只有0或1即false和true，内部维护了一个long数组，初始只有一个long，所以BitSet最小的size是64，当随着存储的元素越来越多，BitSet内部会动态扩充，一次扩充64位，最终内部是由N个long来存储。

        默认情况下，BitSet的所有位都是false即0。

        在没有外部同步的情况下，多个线程操作一个BitSet是不安全的。

        一个1GB的空间，有8*1024*1024*1024 = 8.58*10^9bit，也就是1GB的空间可以表示85亿多个数。

应用场景：

1.     统计一组大数据中没有出现过的数；

        将这组数据映射到BitSet，然后遍历BitSet，对应位为0的数表示没有出现过的数据。

2.     对大数据进行排序；

        将数据映射到BitSet，遍历BitSet得到的就是有序数据。

3.     在内存对大数据进行压缩存储等等。

        一个GB的内存空间可以存储85亿多个数，可以有效实现数据的压缩存储，节省内存空间开销。

为什么BitSet使用long数组做内部存储？

        JDK选择long数组作为BitSet的内部存储结构是出于性能的考虑，因为BitSet提供and和or这种操作，需要对两个BitSet中的所有bit位做and或者or，实现的时候需要遍历所有的数组元素。使用long能够使得循环的次数降到最低，所以Java选择使用long数组作为BitSet的内部存储结构。

        从数据在栈上的存储来说，使用long和byte基本是没有什么差别的，除了编译器强制地址对齐的时候，使用byte最多会浪费7个字节(强制按照8的倍数做地址对其)，另外从内存读数组元素的时候，也是没有什么区别的，因为汇编指令有对不同长度数据的mov指令。所以说，JDK选择使用long数组作为BitSet的内部存储结构的根本原因就是在and和or的时候减少循环次数，提高性能。

        例如我们进行BitSet中的and, or,xor操作时，要对整个bitset中的bit都进行操作，需要依次读出bitset中所有的word，如果是long数组存储，我们可以每次读入64个bit,而int数组存储时，只能每次读入32个bit。另外我们在查找bitset中下一个置为1的bit时,word首先会和0进行比较，如果word的值为0，则表示该word中没有为1的bit，可以忽略这个word，如果是long数组存储，可以一次跳过64个bit，如果是int数组存储时，一次只能跳过32个bit。

（本段来源：知乎    http://www.zhihu.com/question/21061816）

BitSet API

Java BitSet（位集）

标签：color   操作   初始   ISE   索引   cts   默认   没有   存储空间   

原文地址：https://www.cnblogs.com/ligb/p/9062264.html