十個(gè)可以手動(dòng)編寫的 JavaScript 數(shù)組 API
JavaScript 中有很多API，使用得當(dāng)，會(huì)很方便，省力不少。 你知道它的原理嗎? 今天這篇文章，我們將對它們進(jìn)行一次小總結(jié)。現(xiàn)在開始吧。1.forEach()forEach()用于遍歷數(shù)組接收一參
在進(jìn)行大數(shù)據(jù)開發(fā)時(shí)，我們可以使用布隆過濾器和Redis中的HyperLogLog來進(jìn)行大數(shù)據(jù)的判重和數(shù)量統(tǒng)計(jì)，雖然這兩種方法節(jié)省內(nèi)存空間并且效率很高，但是也存在一些誤差。如果需要100%準(zhǔn)確的話，我們可以使用BitMap來存儲數(shù)據(jù)。
BitMap 位圖索引數(shù)據(jù)結(jié)構(gòu)被廣泛地應(yīng)用于數(shù)據(jù)存儲和數(shù)據(jù)搜索中，但是對于存儲較為分散的數(shù)據(jù)時(shí)，BitMap會(huì)占用比較大的內(nèi)存空間，因此我們更偏向于使用 Roaring BitMap稀疏位圖索引進(jìn)行存儲。同時(shí)，Roaring BitMap廣泛應(yīng)用于數(shù)據(jù)庫存儲和大數(shù)據(jù)引擎中，例如Hive，Spark，Doris，Kylin等。
下文將分別介紹 BitMap 和 Roaring BitMap 的原理及其相關(guān)應(yīng)用。
BitMap的基本思想就是用bit位來標(biāo)記某個(gè)元素對應(yīng)的value，而key就是這個(gè)元素。
例如，在下圖中，是一個(gè)字節(jié)代表的8位，下標(biāo)為1,2,4,6的bit位的值為1，則該字節(jié)表示{1,2,4,6}這幾個(gè)數(shù)。
在Java中，1個(gè)int占用4個(gè)字節(jié)，如果用int來存儲這四個(gè)數(shù)字的話，那么將需要4 * 4 = 16字節(jié)。
BitMap可以用于快速排序，查找，及去重等操作。優(yōu)點(diǎn)是占用內(nèi)存少（相較于數(shù)組）和運(yùn)算效率高，但是缺點(diǎn)也非常明顯，無法存儲重復(fù)的數(shù)據(jù)，并且在存儲較為稀疏的數(shù)據(jù)時(shí)，浪費(fèi)存儲空間較多。
為了解決BitMap存儲較為稀疏數(shù)據(jù)時(shí)，浪費(fèi)存儲空間較多的問題，我們引入了稀疏位圖索引Roaring BitMap。Roaring BitMap 有較高的計(jì)算性能及壓縮效率。下面簡單介紹一下Roaring BitMap的基本原理。
Roaring BitMap處理int型整數(shù)，將32位的int型整數(shù)分為高16位和低16位分別進(jìn)行處理，高16位作為索引分片，而低16位用于存儲實(shí)際數(shù)據(jù)。其中每個(gè)索引對應(yīng)一個(gè)數(shù)據(jù)桶（bucket），那么一共可以包含2^16 = 65536個(gè)數(shù)據(jù)塊。每個(gè)數(shù)據(jù)桶使用container容器來存儲低16位的部分，每個(gè)數(shù)據(jù)桶最多存儲2^16 = 65536個(gè)數(shù)據(jù)。
如上圖所示，高16位作為索引查找具體的數(shù)據(jù)塊，當(dāng)前索引值為0，低16位作為value進(jìn)行存儲。
Roaring BitMap在進(jìn)行數(shù)據(jù)存儲時(shí)，會(huì)先根據(jù)高16位找到對應(yīng)的索引key（二分查找），低16位作為key對應(yīng)的value，先通過key檢查對應(yīng)的container容器，如果發(fā)現(xiàn)container不存在的話，就先創(chuàng)建一個(gè)key和對應(yīng)的container，否則直接將低16位存儲到對應(yīng)的container中。
Roaring BitMap的精妙之處在于使用不同類型的container，接下來將對其進(jìn)行介紹。
1.ArrayContainer
顧名思義，ArrayContainer直接采用數(shù)組來存儲低16位數(shù)據(jù)，沒有采用任何數(shù)據(jù)壓縮算法，適合存儲比較稀疏的數(shù)據(jù)，在Java中，使用short數(shù)組來存儲，并且占用的內(nèi)存空間大小和數(shù)據(jù)量成線性關(guān)系。由于short為2字節(jié)，因此n個(gè)數(shù)據(jù)為2n字節(jié)。ArrayContainer采用二分查找定位有序數(shù)組中的元素，因此時(shí)間復(fù)雜度為O(logN)。ArrayContainer的最大數(shù)據(jù)量為4096, 4096 * 2b = 8kb。
2.BitMapContainer
BitMapContainer采用BitMap的原理，就是一個(gè)沒有經(jīng)過壓縮處理的普通BitMap，適合存儲比較稠密的數(shù)據(jù)，在Java中使用Long數(shù)組存儲低16位數(shù)據(jù)，每一個(gè)bit位表示一個(gè)數(shù)字。由于每個(gè)container需要存儲2^16 = 65536個(gè)數(shù)據(jù)，如果通過BitMap進(jìn)行存儲的話，需要使用2^16個(gè)bit進(jìn)行存儲，即8kb的數(shù)據(jù)空間。
可以從下圖中看出ArrayContainer和BitMapContainer的內(nèi)存空間使用關(guān)系，當(dāng)數(shù)據(jù)量小于4096時(shí)，使用ArrayContainer比較合適，當(dāng)數(shù)據(jù)量大于等于4096時(shí)，使用BitMapContainer更佳。
因?yàn)锽itMap直接使用位運(yùn)算，所以BitMapContainer的時(shí)間復(fù)雜度為O(1)。
3.RunContainer
RunContainer采用Run-Length Encoding 行程長度編碼進(jìn)行壓縮，適合存儲大量連續(xù)數(shù)據(jù)。Java中使用short數(shù)組進(jìn)行存儲。連續(xù)bit位程度越高的話越節(jié)省存儲空間，最佳場景下（65536個(gè)數(shù)據(jù)全為1）只需要存儲4字節(jié)。最差場景為所有數(shù)據(jù)都不連續(xù)，所有存儲數(shù)據(jù)位置為奇數(shù)或者偶數(shù)，這種場景需要存儲128kb。由于采用二分查找算法定位元素，因此時(shí)間復(fù)雜度為O(logN)。
行程長度編碼即的原理是對連續(xù)出現(xiàn)的數(shù)字進(jìn)行壓縮，只記錄初始數(shù)字和后續(xù)連續(xù)數(shù)量。
例如：[1,2,3,4,5,8,9,10]使用編碼后的數(shù)據(jù)為[1,4,8,2]。
Java 里可以使用runOptinize()方法來對比RunContainer和其他兩個(gè)Container存儲空間大小，如果使用RunContainer存儲空間更佳則會(huì)進(jìn)行轉(zhuǎn)化。
根據(jù)上面三個(gè)Container類型我們可以得知如何進(jìn)行選擇：
介紹完Roaring BitMap的三種container類型以后，讓我們了解一下，Roaring BitMap的相關(guān)源碼。這里介紹一下Java中增加元素的源碼實(shí)現(xiàn)。
public void add(final int x) { final short hb = Util.highbits(x); final int i = highLowContainer.getIndex(hb); if (i >= 0) { highLowContainer.setContainerAtIndex(i, highLowContainer.getContainerAtIndex(i).add(Util.lowbits(x))); } else { final ArrayContainer newac = new ArrayContainer(); highLowContainer.insertNewKeyValueAt(-i - 1, hb, newac.add(Util.lowbits(x))); } }Roaring BitMap首先獲取添加元素的高16位，然后再調(diào)用getIndex獲取高16位對應(yīng)的索引，如果索引大于0，表示已經(jīng)創(chuàng)建該索引對應(yīng)的container，故直接添加相應(yīng)的元素低16位即可；否則的話，說明該索引對應(yīng)的container還沒有被創(chuàng)建，先創(chuàng)建對應(yīng)的ArrayContainer，再進(jìn)行元素添加。值得一提的是，在getIndex方法中，使用了二分查找來獲取索引值，所以時(shí)間復(fù)雜度為O(logn)。
// 包含一個(gè)二分查找protected int getIndex(short x) { // 在二分查找之前，我們先對常見情況優(yōu)化。 if ((size == 0) || (keys[size - 1] == x)) { return size - 1; } // 沒有碰到常見情況，我們只能遍歷這個(gè)列表。 return this.binarySearch(0, size, x);}對于元素添加，三種Container提供了不同的實(shí)現(xiàn)方式，下面將分別介紹。
1. ArrayContainer
if (cardinality == 0 || (cardinality > 0 && toIntUnsigned(x) > toIntUnsigned(content[cardinality - 1]))) { if (cardinality >= DEFAULT_MAX_SIZE) { return toBitMapContainer().add(x); } if (cardinality >= this.content.length) { increaseCapacity(); } content[cardinality++] = x; } else { int loc = Util.unsignedBinarySearch(content, 0, cardinality, x); if (loc < 0) { // 當(dāng)標(biāo)簽中元素?cái)?shù)量等于默認(rèn)最大值時(shí)，把ArrayContainer轉(zhuǎn)換為BitMapContainer if (cardinality >= DEFAULT_MAX_SIZE) { return toBitMapContainer().add(x); } if (cardinality >= this.content.length) { increaseCapacity(); } System.arraycopy(content, -loc - 1, content, -loc, cardinality + loc + 1); content[-loc - 1] = x; ++cardinality; } } return this;}ArrayContainer把添加元素分成兩種場景，一種走二分查找，另外一種不走二分查找。
第一種場景：不走二分查找。
當(dāng)基數(shù)為0或者值大于container中的最大值，可以直接添加，因?yàn)閏ontent數(shù)組是有序的，最后一個(gè)是最大值。
當(dāng)基數(shù)大于等于默認(rèn)最大值4096時(shí)，ArrayContainer將轉(zhuǎn)換為BitMapContainer。如果基數(shù)大于content的數(shù)組長度的話，需要將content進(jìn)行擴(kuò)容。最后進(jìn)行賦值即可。
第二種場景：走二分查找。
先通過二分查找找到對應(yīng)的插入位置，如果返回loc大于等于0，說明存在，直接返回即可，如果小于0才進(jìn)行后續(xù)插入。后續(xù)操作同上，當(dāng)基數(shù)大于等于默認(rèn)最大值4096時(shí)，ArrayContainer將轉(zhuǎn)換為BitMapContainer。如果基數(shù)大于content的數(shù)組長度的話，需要將content進(jìn)行擴(kuò)容。最后通過拷貝數(shù)組將元素插入到content數(shù)組中。
2. BitMapContainer
public Container add(final short i) { final int x = Util.toIntUnsigned(i); final long previous = BitMap[x / 64]; long newval = previous | (1L << x); BitMap[x / 64] = newval; if (USE_BRANCHLESS) { cardinality += (previous ^ newval) >>> x; } else if (previous != newval) { ++cardinality; } return this;}BitMap數(shù)組為BitMapContainer的存儲容器存放數(shù)據(jù)的內(nèi)容，數(shù)據(jù)類型為long，在這里我們只需要找到x在BitMap中的位置，并且把相應(yīng)的bit位置1即可。x/64就是找到對應(yīng)long的舊值，1L<<x 就是把對應(yīng)的bit位置為1，再跟舊值進(jìn)行或操作，就可以得到新值，再將這個(gè)新值存回到bitmap數(shù)組即可。<="" span="">
3. RunContainer
public Container add(short k) { int index = unsignedInterleavedBinarySearch(valueslength, 0, nbrruns, k); if (index >= 0) { return this;// already there } index = -index - 2; if (index >= 0) { int offset = toIntUnsigned(k) - toIntUnsigned(getValue(index)); int le = toIntUnsigned(getLength(index)); if (offset <= le) { return this; } if (offset == le + 1) { // we may need to fuse if (index + 1 < nbrruns) { if (toIntUnsigned(getValue(index + 1)) == toIntUnsigned(k) + 1) { // indeed fusion is needed setLength(index, (short) (getValue(index + 1) + getLength(index + 1) - getValue(index))); recoverRoomAtIndex(index + 1); return this; } } incrementLength(index); return this; } if (index + 1 < nbrruns) { // we may need to fuse if (toIntUnsigned(getValue(index + 1)) == toIntUnsigned(k) + 1) { // indeed fusion is needed setValue(index + 1, k); setLength(index + 1, (short) (getLength(index + 1) + 1)); return this; } } } if (index == -1) { // we may need to extend the first run if (0 < nbrruns) { if (getValue(0) == k + 1) { incrementLength(0); decrementValue(0); return this; } } } makeRoomAtIndex(index + 1); setValue(index + 1, k); setLength(index + 1, (short) 0); return this;}RunContainer中的兩個(gè)數(shù)據(jù)結(jié)構(gòu)，nbrruns表示有多少段行程，數(shù)據(jù)類型為int，valueslength數(shù)組表示所有的行程，數(shù)據(jù)類型為short。
public static void count(Integer inputSize) { RoaringBitMap BitMap = new RoaringBitMap(); BitMap.add(0L, inputSize); //獲取BitMap個(gè)數(shù) int cardinality = BitMap.getCardinality(); //獲取BitMap壓縮大小 int compressSizeIntBytes = BitMap.getSizeInBytes(); //刪除壓縮（移除行程編碼，將container退化為BitMapContainer 或 ArrayContainer） BitMap.removeRunCompression(); //獲取BitMap不壓縮大小 int uncompressSizeIntBytes = BitMap.getSizeInBytes(); System.out.println("Roaring BitMap個(gè)數(shù)：" + cardinality); System.out.println("最好情況，BitMap壓縮大小：" + compressSizeIntBytes / 1024 + "KB"); System.out.println("最壞情況，BitMap不壓縮大小：" + uncompressSizeIntBytes / 1024 / 1024 + "MB"); BitSet bitSet = new BitSet(); for (int i = 0; i < inputSize; i++) { bitSet.set(i); } //獲取BitMap大小 int size = bitSet.size(); System.out.println("BitMap個(gè)數(shù)：" + bitSet.length()); System.out.println("BitMap大小：" + size / 8 / 1024 / 1024 + "MB"); }上述代碼使用了Java內(nèi)置的BitMap(BitSet) 和 Roaring BitMap進(jìn)行存儲大小對比，輸出結(jié)果如下所示。
可以發(fā)現(xiàn)，Roaring BitMap的壓縮性能效果非常好，同等情況下，是BitMap占用內(nèi)存的近一千分之一。在退化成BitMapContainer/arrayContainer之后也仍然比使用基本的BitMap存儲效果好一些。
在Java中，Roaring BitMap提供了交并補(bǔ)差集等操作，如下代碼所示，列舉了Java中roaing BitMap的相關(guān)API使用方式。
//添加單個(gè)數(shù)字public void add(final int x)//添加范圍數(shù)字public void add(final long rangeStart, final long rangeEnd)//移除數(shù)字public void remove(final int x)//遍歷RBMpublic void forEach(IntConsumer ic)//檢測是否包含public boolean contains(final int x)//獲取基數(shù)public int getCardinality()//位與，取兩個(gè)RBM的交集，當(dāng)前RBM會(huì)被修改public void and(final RoaringBitMap x2)//同上，但是會(huì)返回一個(gè)新的RBM，不會(huì)修改原始的RBM，線程安全public static RoaringBitMap and(final RoaringBitMap x1, final RoaringBitMap x2)//位或，取兩個(gè)RBM的并集，當(dāng)前RBM會(huì)被修改public void or(final RoaringBitMap x2)//同上，但是會(huì)返回一個(gè)新的RBM，不會(huì)修改原始的RBM，線程安全public static RoaringBitMap or(final RoaringBitMap x1, final RoaringBitMap x2)//異或，取兩個(gè)RBM的對稱差，當(dāng)前RBM會(huì)被修改public void xor(final RoaringBitMap x2)//同上，但是會(huì)返回一個(gè)新的RBM，不會(huì)修改原始的RBM，線程安全public static RoaringBitMap xor(final RoaringBitMap x1, final RoaringBitMap x2)//取原始值和x2的差集，當(dāng)前RBM會(huì)被修改public void andNot(final RoaringBitMap x2)//同上，但是會(huì)返回一個(gè)新的RBM，不會(huì)修改原始的RBM，線程安全public static RoaringBitMap andNot(final RoaringBitMap x1, final RoaringBitMap x2)//序列化public void serialize(DataOutput out) throws IOExceptionpublic void serialize(ByteBuffer buffer)//反序列化public void deserialize(DataInput in) throws IOExceptionpublic void deserialize(ByteBuffer bbf) throws IOException對于序列化來說，Roaring BitMap官方定義了一套序列化規(guī)則，用來保證不同語言實(shí)現(xiàn)的兼容性。
Java中可以使用serialize方法進(jìn)行序列化，deserialize方法進(jìn)行反序列化。
Roaring BitMap可以用來構(gòu)建大數(shù)據(jù)標(biāo)簽，針對類型特征來創(chuàng)建對應(yīng)的標(biāo)簽。
在我們的業(yè)務(wù)場景中，有很多需要基于人群標(biāo)簽進(jìn)行交并補(bǔ)集運(yùn)算的場景，下面以一個(gè)場景為例，我們需要計(jì)算每天某個(gè)設(shè)備接口 在設(shè)備標(biāo)簽A上的查詢成功率，因?yàn)樵O(shè)備標(biāo)簽A中的設(shè)備不是所有都活躍在網(wǎng)的，所以我們需要將設(shè)備標(biāo)簽A與每日日活人群標(biāo)簽取交集，得到的交集大小才能用作成功率計(jì)算的分母，另外拿查詢成功的標(biāo)簽人群做分子來進(jìn)行計(jì)算即可，查詢時(shí)長耗時(shí)為1s。
假如沒有使用標(biāo)簽保存集合之前，我們需要在hive表中查詢出同時(shí)滿足當(dāng)天在網(wǎng)的活躍用戶和設(shè)備A的用戶數(shù)量，查詢時(shí)長耗時(shí)在幾分鐘以上。兩種方式相比之下，使用Roaring BitMap查詢的效率更高。
本文結(jié)合個(gè)人理解梳理了BitMap及Roaring BitMap的原理及使用，分別主要介紹了Roaring BitMap的存儲方式及三種container類型及Java中Roaring BitMap相關(guān)API使用，如有不足和優(yōu)化建議，也歡迎大家批評指正。
參考資料：
本文鏈接：http://www.tebozhan.com/showinfo-26-95169-0.html海量數(shù)據(jù)處理利器 Roaring BitMap 原理介紹
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
上一篇： 實(shí)現(xiàn)一個(gè)完美的高并發(fā)訂單減庫存方案
下一篇： 我國正加緊建設(shè)數(shù)字法院，力爭年底實(shí)現(xiàn)全國 3500 多家法院“一張網(wǎng)”辦案辦公
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請聯(lián)系：2376512515@qq.com 津ICP備18001702號
津公網(wǎng)安備 12010102000574號