Java BitSet基本学习

1. 基本思想

Java的BitSet即BitMap。Java中，对于一个整型数字int a = 1，则 a占用4个字节，即32位。对于某些场景而言，这属于巨大的浪费，因为我们可以用 32bit来表示 0~31个十进制数字，而这就是Bitmap的基本思想。

Bitmap可以用来处理大量（海量）数据的排序，查询以及去重。且在做如用户群的交集和并集运算时，也有极大的便利。

2. 场景

2.1 排序（无重复数据）

假设有整型数据如 [4, 10, 2, 18, 24, 11, 8, 1]。如果我们把数据都放到内存中，一个整型需要4个字节，那么总共需要8 * 4 = 32 Byte。那如果我们按如下方式存放：

此时你可以发现只需要4个字节就可以搞定了。那如果有上亿的整数呢，结果可想而知。
看完图你就会发现，数据就已经达到了排序的目的（当然也达到了 去重的目的）。

优点
- 运算效率高
- 占用内存少
缺点
- 数据不能重复

2.2 人群过滤

假设有会员用户和活跃用户两个用户群，比如数据如下（都是用户ID）：

1 2	会员用户：[1,2,3,4,5,6,7,8,9,10] 活跃用户：[1,3,7,10]

现在需求如下：

取出既是会员又是活跃的用户
取出两部分的用户，保证不重复。
取出不活跃的会员。

方案一：

拿着两组数据直接循环遍历，硬着干。😂要是两组数据都是千万级别，那就很蛋疼了。

方案二：

借助Java的BitSet类。代码如下：

// 会员
private BitSet users1 = new BitSet();
// 活跃用户
private BitSet users2 = new BitSet();

@Before
public void before() {
    // 构建会员和活跃用户
    Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10).forEach(users1::set);
    Arrays.asList(1, 3, 7, 10, 12, 20).forEach(users2::set);
}

// 1. 取出既是会员又是活跃的用户
@Test
public void test1() {
    users1.and(users2);
    System.out.println(users1);
    //> {1, 3, 7, 10}
}

// 2. 取出两部分的用户，保证不重复。
@Test
public void test2() {
    users1.or(users2);
    System.out.println(users1);
    //> {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 20}
}

// 3. 取出不活跃的会员。
// 也可以直接用users1.andNot(users2);
@Test
public void test3() {
    // 取出活跃的会员
    users2.and(users1);
    // 取出活跃会员不在会员中的用户
    users1.xor(users2);
    System.out.println(users1);
    //> {2, 4, 5, 6, 8, 9}
}