Java BitSet（位集）

Posted 2020-11-07 ligb

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

 

 

BitSet()           创建一个新的位 set。

BitSet(int nbits)           创建一个位 set，它的初始大小足以显式表示索引范围在 0 到 nbits-1 的位。

void	and(BitSet set)           对此目标位 set 和参数位 set 执行逻辑与操作。
void	andNot(BitSet set)           清除此 BitSet 中所有的位，其相应的位在指定的 BitSet 中已设置。
int	cardinality()           返回此 BitSet 中设置为 true 的位数。
void	clear()           将此 BitSet 中的所有位设置为 false。
void	clear(int bitIndex)           将索引指定处的位设置为 false。
void	clear(int fromIndex, int toIndex)           将指定的 fromIndex（包括）到指定的 toIndex（不包括）范围内的位设置为 false。
Object	clone()           复制此 BitSet，生成一个与之相等的新 BitSet。
boolean	equals(Object obj)           将此对象与指定的对象进行比较。
void	flip(int bitIndex)           将指定索引处的位设置为其当前值的补码。
void	flip(int fromIndex, int toIndex)           将指定的 fromIndex（包括）到指定的 toIndex（不包括）范围内的每个位设置为其当前值的补码。
boolean	get(int bitIndex)           返回指定索引处的位值。
BitSet	get(int fromIndex, int toIndex)           返回一个新的 BitSet，它由此 BitSet 中从 fromIndex（包括）到 toIndex（不包括）范围内的位组成。
int	hashCode()           返回此位 set 的哈希码值。
boolean	intersects(BitSet set)           如果指定的 BitSet 中有设置为 true 的位，并且在此 BitSet 中也将其设置为true，则返回 ture。
boolean	isEmpty()           如果此 BitSet 中没有包含任何设置为 true 的位，则返回 ture。
int	length()           返回此 BitSet 的“逻辑大小”：BitSet 中最高设置位的索引加 1。
int	nextClearBit(int fromIndex)           返回第一个设置为 false 的位的索引，这发生在指定的起始索引或之后的索引上。
int	nextSetBit(int fromIndex)           返回第一个设置为 true 的位的索引，这发生在指定的起始索引或之后的索引上。
void	or(BitSet set)           对此位 set 和位 set 参数执行逻辑或操作。
void	set(int bitIndex)           将指定索引处的位设置为 true。
void	set(int bitIndex, boolean value)           将指定索引处的位设置为指定的值。
void	set(int fromIndex, int toIndex)           将指定的 fromIndex（包括）到指定的 toIndex（不包括）范围内的位设置为 true。
void	set(int fromIndex, int toIndex, boolean value)           将指定的 fromIndex（包括）到指定的 toIndex（不包括）范围内的位设置为指定的值。
int	size()           返回此 BitSet 表示位值时实际使用空间的位数。
String	toString()           返回此位 set 的字符串表示形式。
void	xor(BitSet set)           对此位 set 和位 set 参数执行逻辑异或操作。