为啥Java中BitSet的内部数据存储为long[]而不是Java中的int[]？

Posted 2023-02-18

【中文标题】为啥Java中BitSet的内部数据存储为long[]而不是Java中的int[]？

【英文标题】：Why is the internal data of BitSet in java stored as long[] instead of int[] in Java?为什么Java中BitSet的内部数据存储为long[]而不是Java中的int[]？

【发布时间】：2015-11-13 15:23:53

【问题描述】：

在java中，BitSet的内部数据存储为long[]而不是int[]，我想知道为什么？这是jdk中的代码：

 /**
 * The internal field corresponding to the serialField "bits".
 */
 private long[] words;

如果一切都与性能有关，我想知道为什么 long[] 存储会获得更好的性能。

【问题讨论】：

我想知道为什么不呢？将其存储为 int[] 究竟有什么更好的方法？

如果我不得不猜测我会说这可能与现在大多数人都在 64 位机器/操作系统上的事实有关，因此长期操作往往得到更好的支持/更快。我真的不认同 Santi 的论点。

@devouredelysium 我认为“大多数人都使用 64 位”确实是一个非常大胆的声明。除了轶事之外，你有任何证据支持这一点吗？鉴于 Java 被设计为在无数平台（包括许多嵌入式系统）上运行，我真的认为这不是设计决策背后的原因。

@daiscog：但他们选择了多头而不是整数。如果你看一下 BitSet 的源代码，它清楚地表明：“BitSets 被打包成“单词”的数组。

@devouredelysium 对不起，我想你可能误解了我的意思。我知道他们选择长整数而不是整数，但我是说我不相信你给出的原因就是他们这样做的原因。

【参考方案1】：

在 64 位机器上，对单个 long 值执行按位运算比对两个 int 值执行相同操作的性能要高得多，因为硬件直接支持 64 位值。在 32 位机器上，差异可能不是很显着。

【讨论】：

在 32 位机器上，使用 int[] 还是 long[] 性能会更好吗？

@displayName，您可以编写自己的基于 int[] 的BitSet 并自行测试:-) 另请参阅@Holger 答案。

@displayName 我会说 int[] 因为它是原生的 :D 但 Tagir 是对的......我们应该实施并看看

@TagirValeev：您对我的评论的回应是最好的。 :) 我还是问了，因为我想你可能已经知道了。在过去的 ~ 2 年里，我一直在使用 C#。在我的笔记本电脑上启动 Eclipse 需要大量的“热身”。 :D

@displayName：请记住，即使是 32 位 CPU，也可能具有 64 位内存总线以及一些适当的 64 位操作。这与一般算术无关，而只是某些位操作。此外，JVM 可能了解标准的BitSet 类，如果它们“不够原生”，则替换某些操作。更大的障碍是找到具有 true 32 位架构的合适测试机器……

【参考方案2】：

查询或操作单个位时，没有显着差异。您必须计算单词索引并读取该单词，并且在更新的情况下，操作该单词的一位并将其写回。 int[] 和 long[] 都是一样的。

有人可能会争辩说，如果你有一个真正的 32 位内存总线，使用 long 而不是 int 可能会增加必须为单个位操作传输的内存量，但由于 Java 是设计的在上世纪九十年代，设计师们认为这不再是一个问题。

另一方面，在一次处理多个位时，您将获得巨大的胜利。当您对整个BitSet 执行and、or 或xor 之类的操作时，您可以在使用long 数组时一次对整个字执行操作，读取64 位。

类似地，searching for the next set bit 时，如果该位不在起始位置的字内，则后续字首先针对零进行测试，这是一种内在操作，即使对于大多数 32 位 CPU，您也可以跳过 64 个零位，而第一个非零字肯定会包含下一个设置位，因此整个迭代只需要一次位提取操作。

批量操作的这些好处将超过任何与单个位相关的缺点，如果有的话。如前所述，当今的大多数 CPU 都能够直接对 64 位字执行所有操作。

【讨论】：

由于BitSet是一种数据结构，所以在谈到性能时，我们应该考虑它支持的操作。你是第一个以这种方式分析表演的人。干得好！

【参考方案3】：

基于对来源here 的粗略阅读。似乎，主要原因纯粹是为了性能。这是从源中检索到的评论。

BitSet 被打包成“单词”数组。目前一个词是 一个long，由64位组成，需要6个地址位。 字长的选择完全取决于性能问题。

【讨论】：

如果只看性能，我想知道为什么 long[] 存储会获得更好的性能。

类将其容量调整 64 比 32 更快。

【参考方案4】：

我可能错了，但是使用 long[] 时 bitSet 的基数比使用 int[] 时大得多。因为它们的最大数组大小非常相似（但仅限于堆大小）。

【讨论】：

这表面上是有道理的；数组的最大元素意味着 long 数组为您提供更多可能的位。但是，我不认为想要拥有这么多标志的人的用例是一个足够现实的担忧，这才是真正的原因。

BitSet 的方法使用int 索引参数和返回值，因此由于 API 限制为 2³¹ 位。因此，其内部阵列所施加的理论限制是高出 32 倍还是高出 64 倍并不重要。即使是 byte 数组也可以存储比 API 支持的更多的位。

是的，bitSet 内部数组是用整数索引的，但值很长，所以我们比使用 int 时获得更多可能的位。

我说的不是数组索引，而是BitSet 的API。尝试set 一个大于 2³¹ 的数字——这是不可能的，因为没有提供该操作的方法。同样，size() 返回一个int。因此，在内部使用 long[] 而不是 int[] 不会获得更多位。使用当前的 API，它仍然最多 2³¹。

【参考方案5】：

肯定是一个优化问题：单个long 值最多可存储64 位，而int 仅存储32 位。因此，任何小于64 的用户长度都只需要数组中的一个条目。如果它是int 的数组，则需要两个条目，这样维护起来更慢且更重。

【讨论】：

为什么它更慢，为什么更难维护？

显然，在一个数组中存储两个项目比只存储一个项目需要两倍的时间。

不一定。这在很大程度上取决于您的硬件。

我不是指内联存储值，而是在循环中，这是像 BitSet 这样的通用解决方案中的场景：for (int i=0;i<n;i++) array[i]=0; 需要更多时间与 n== 2 比 n==1。

对我来说就是这样。如果我正在设计课程，我会出于这个原因选择一个 long 数组（除了我不同意的“更重的维护”）。