Column 1
#10
簡述 ：發生在一個store（2）的故事 ，顧客的電話號碼（1）來作爲database中，檢索（3） 的 PK （ primary key ），而且，顯然每個顧客知道自己的電話號碼，並且，電話號碼“幾乎”唯一（4） 。
要求 ：高效地 插入 和 檢索 。
背景 ：
1. 米國的電話號碼都是 area code - in-area code ( 3 + 7 digits ) . ，如 412-268 7884。
2. store：估計也就比grocery大一點，國內地區性連鎖賣場的分店，比如紅旗啊，大潤發之類
3. 檢索：retrieval 。
4. 原文：close to unique。
思考過程 ：
數據的pattern（pattern是fixed，是一種invariant）：因爲假設是地區性的store，所以area-code可以認作是相同的（而且非本area的顧客，不會跑來買東西），因此，datum 實際上是 7-digits 的sequence，當然，當做million級別的數也是正確的，這裏還不需要考慮。
數據的規模 ：雖然有 7-digits 的 “空間” ， 但是 ，在那個時代 ， 估計這樣的 store 一天有 1k 的人電話訂購 就很正常了。即使order保存 4~5 天 ， 也不過 4~5 K 的 record。而且，數據是 random 分佈在 7-digits 的 ”空間“ 中的 。
數據的特點 ：sparse 是 最大的特點。
對數據的操作（manipulation on data ） ： 要求是 insert 和 retrieval 。 但顯然 ， 有了 insert 就該有 delete （ 刪除 order *無論過不過期，都是要刪除的* ）。 這顯然是一個 一個 set 操作集合 ：
insert ， delete 和 contains 。 那麼 ，選用的 ， 自然應該是 set類型的 數據結構。
於是：
bitmap ：本column講的就是bitmap。三個操作都是O(1) 的 ，似乎很好地解決了
但有個問題 ： 數據是 sparse 的 ，也就是說 ， bitmap 的巨大 存儲空間內 ， 會有大量的 holes ， 存儲的利用率太低了。
那麼，還能進一步optimize麼？還有別的數據結構（應該是 set 類型的 DS ），可以在 3個操作上得到O(1) 的 時間複雜度 ， 並且 ， 提高存儲的利用率麼 ？