BitMap簡介
bitmap聽起來是位圖的意思，其實就一種基於位的映射，bitmap是一個十分有用的結構。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。由於採用了Bit爲單位來存儲數據，因此可以大大節省存儲空間。
爲什麼要使用bitmap？
舉個例子，有一個無序有界int數組{1,2,5,7},初步估計佔用內存44=16字節，這倒是沒什麼奇怪的；但是假如有10億個這樣的數呢，10億4/(102410241024)=3.72G左右。如果這樣的一個大的數據做查找和排序，那估計內存也崩潰了，有人說，這些數據可以不用一次性加載，那就是要存盤了，存盤必然消耗IO。
如果用BitMap思想來解決的話，就好很多。一個byte是佔8個bit，如果每一個bit的值就是有或者沒有，也就是二進制的0或者1，如果用bit的位置代表數組值有還是沒有，那麼0代表該數值沒有出現過，1代表該數組值出現過。也可以描述數據。具體如下圖：
現在假如10億的數據所需的空間就是3.72G/32，一個佔用32bit的數據現在只佔用了1bit，節省了不少的空間，排序就更不用說了，一切顯得那麼順利。這樣的數據之間沒有關聯性，要是讀取的，你可以用多線程的方式去讀取。時間複雜度方面也是O(Max/n)，其中Max爲byte[]數組的大小，n爲線程大小。
BitMap的映射
我們使用java的int類型（總共32位）來作爲基本類型，一個int能夠對應32個數（一位對應一個數），然後組成一個int類型的數組，長度爲n，總共能對應32*n個數
假設需要排序或者查找的最大數MAX=10000000（lz:這裏MAX應該是最大的數而不是int數據的總數！），那麼我們需要申請內存空間的大小爲int a[1 + MAX/32]。
Java實現
內部元素
/**
* bitMap中可以加入的最大數字（範圍是從0到MAX_VALUE）
*/
public static final int MAX_VALUE=10000;
/**
* 存放bitmap的數組，每個int有32位，對應32個數字
*/
private int[] a=new int[MAX_VALUE/32+1];
加入
/**在bitmap中加入元素n
* @param n 範圍爲[0,MAX_VALUE]
*/
public void addValue(int n){
if(n<0||n>MAX_VALUE){
System.out.println("不再0到"+MAX_VALUE+"的範圍內，不能加入");
return;
}
//n對應數組的哪個元素，是n/32
int row=n>>5;
//n對應的int中的位置，是n mod 32
int index=n & 0x1F;
//在n對應的int，對應的位置，置1
a[row] |=1<<index;
}
查找
/**查找bitmap中是否有元素n
* @param n
* @return 如果存在，返回true 不存在，返回false
*/
public boolean existValue(int n){
if(n<0||n>MAX_VALUE){
System.out.println("不再0到"+MAX_VALUE+"的範圍內，一定沒有");
return false;
}
//n對應數組的哪個元素，是n/32
int row=n>>5;
//n對應的int中的位置，是n mod 32
int index=n & 0x1F;
//result爲哪個位置上現在保存的值（爲10000(index個0)或者0）
int result=a[row] & (1<<index);
//如果不爲0，則那個位置一定爲1
return result!=0;
}
刪除
/**在bitmap中刪除元素n
* @param n
*/
public void removeValue(int n){
if(n<0||n>MAX_VALUE){
System.out.println("不再0到"+MAX_VALUE+"的範圍內，一定沒有");
return;
}
//n對應數組的哪個元素，是n/32
int row=n>>5;
//n對應的int中的位置，是n mod 32
int index=n & 0x1F;
//對應位置0，與 111101111進行與運算，那位一定變0
a[row] &=~(1<<index);
}
展示
/** 展示第row行的情況，元素的二進制情況，和有的元素
* @param row
*/
public void displayRow(int row){
System.out.print("bitmap展示第"+row+"行:"+Integer.toBinaryString(a[row])+" 有：");
//對應row：32*row到32*row+31
int now=row<<5;
//temp爲與對應位進行與運算的數字
int temp=1;
for(int i=0;i<32;i++){
int result=a[row] & temp;
if(result!=0){
System.out.print(" "+now+" ");
}
now++;
temp=temp<<1;
}
System.out.println();
}
測試
package datastructure.bitmap;
public class Main {
public static void main(String[] args) {
BitMap bitMap=new BitMap();
bitMap.addValue(0);
bitMap.addValue(31);
bitMap.displayRow(0);
System.out.println(bitMap.existValue(1));
System.out.println(bitMap.existValue(31));
bitMap.removeValue(0);
System.out.println(bitMap.existValue(0));
bitMap.displayRow(0);
bitMap.addValue(34);
bitMap.displayRow(1);
}
}=
Redis使用BitMap實現點贊功能
redis不僅能存儲String，Hash，List，set，zset這幾週數據類型，還能存儲，bitmap，geo，hyperloglog，這裏我們使用bitmap來作爲點讚的存儲結構
點贊/取消點贊
假設用戶的數字id爲1000，對照片id爲100的照片點贊。首先根據照片id生成贊數據存儲的redis key，比如生成策略爲like_photo:{photo_id}，id爲1000的用戶點贊，只需要將like_photo:100的第1000位置爲1即可（取消贊則置爲0）。
redis setbit操作的時間複雜度爲O(1)，所以這種點贊方式十分高效。
redis.setbit("like_photo:100", 1000, 1);
當前是否點贊
用戶打開圖片的時候需要查詢當前是否點贊過該照片，查詢是否點贊可以通過redis getbit操作來實現。比如查詢用戶id爲1000的用戶是否點贊過照片id爲100的照片，只需要對like_photo:100bitmap的第1000位取值即可。
redis getbit操作的時間複雜度同樣是O(1)。
redis.getbit("like_photo:100", 1000);
查詢點贊總次數
比如需要顯示照片id爲100的照片的獲贊次數，只需要對like_photo:100bitmap進行位圖計數操作即可。
redis bitcount操作的時間複雜度雖然是O(N)的，但是大部分數據量的情況下是不需要擔心bitcount效率問題的
redis.bitcount("like_photo:100");
bittop
比如要計算同時點讚了100和101兩張照片的用戶，可以通過如下操作實現
redis.bitop("AND", "like_photo:100&101", "like_photo:100", "like_photo:101");
得到的like_photo:100&101這個臨時key中即是同時點贊100和101的用戶bitmap.
侷限性
這種方案雖然比較高效，實現起來也比較簡單，但是也有一定的侷限性。
1.需要用戶有類似於數據庫自增id的數字id，當然如果你是從10000之類的開始自增的，在bitmap操作的時候可以統一將用戶id減掉10000，這樣可以稍微節省一些redis內存佔用；
2.當用戶量很大的時候，比如千萬級用戶量的情況下，一個用戶的bitmap需要消耗的內存爲：10000000/8/1024/1024=1.19MB，當bitmap數量較多的時候，內存佔用還是很可觀的。不過在用戶量較少的時候這種方案還是不錯的
我這裏測試使用八位數千萬級別的id=28000000設置到bitmap裏面，然後dump出了redis的rdb文件如下：
