一、序言

在理论开发中经常遇到如下需要：判断以后元素是否存在于已知的汇合中，将已知汇合中的元素保护一个HashSet，应用时只需耗时O(1)的工夫复杂度便可判断出后果，Java外部或者Redis均提供相应的数据结构。应用此种形式除了占用内存空间外，简直没有其它毛病。

当数据量达到亿级别时，内存空间的占用显著体现进去，BitMap便是解决此类问题的一种路径。

二、BitMap构造

1、内存耗费剖析

Redis BitMap可能存储的数据范畴为[0,2^32-1]，超过Integer.MAX_VALUE上界值。

为了简化探讨，假如探讨的汇合元素的范畴为[0,Integer.MAX_VALUE]，能够是其中的任何一个数。

应用HashSet数据结构占用内存空间仅与汇合中的元素数量（N）相干。当汇合中元素数量为N时，所需的内存空间大略为N*4/1024/1024MB，1亿条数据约占内存空间381MB。

基于Redis的BitMap所占用的空间大小不与汇合中元素数量相干，与汇合中元素的最大值间接相干，因而BitMap所占用的内存空间范畴为[N / 8 / 1024 / 1024,Integer.MAX_VALUE / 8 / 1024 / 1024]。

// 测试1亿、5亿、10亿、Integer.MAX_VALUEList<Integer> items = Arrays.asList(100000000, 500000000, 1000000000, Integer.MAX_VALUE);for (Integer item : items) {    int size = item / 8 / 1024 / 1024;    System.out.printf("如果汇合中最大值为%-10s,则所占用的内存空间为%3sMB%n",item, size);}

这里给出了一组测试参考数据

如果汇合中最大值为100000000 ,则所占用的内存空间为 11MB如果汇合中最大值为500000000 ,则所占用的内存空间为 59MB如果汇合中最大值为1000000000,则所占用的内存空间为119MB如果汇合中最大值为2147483647,则所占用的内存空间为255MB

当汇合中数据增长到10亿条时，应用BItMap最大占用内存约为255MB，而应用HashSet增长到3.8GB。

2、命令行操作BitMap

应用Redis命令行可间接操作BitMap，将offset地位的值标注为1，则示意以后数据存在。默认状况下未标注的地位值为0。

# 默认位不赋值为0，当数据存在于汇合中，将对应位赋值为1SETBIT key offset value# 查看对应位数据是否存在（1示意存在，0示意不存在）GETBIT key offset
3、客户端操作BitMap

这里提供一个SpringBoot生态的RedisUtils工具类，外部封装操作Redis BitMap的工具办法。

// 将以后地位标记为trueRedisUtils.setBit(BIT_MAP_KEY, orderId, true);// 获取指定地位的值（对应数值是否存在）RedisUtils.getBit(BIT_MAP_KEY, orderId)

上述工具类的依赖如下，如果找不到Jar包，请间接应用Maven原始仓库源，阿里云尚未同步实现。

<dependency>    <groupId>xin.altitude.cms</groupId>    <artifactId>ucode-cms-common</artifactId>    <version>1.4.3</version></dependency>
4、工夫与空间复杂度

BitMap的存储与取值工夫复杂度为O(1)，依据数值可间接映射下标。

BitMap占用内存空间复杂度为O(n)，与汇合中元素的最大值正相干，不是汇合中元素的数量。

三、BitMap利用

1、回避缓存穿透

缓存穿透是指以后申请的数据在缓存中不存在，须要拜访数据库获取数据（数据库中也不存在申请的数据）。缓存穿透给数据库带来了压力，歹意缓存穿透甚至能造成数据库宕机。

应用BitMap动静保护一个汇合，当拜访数据库前，先查问数据的主键是否存在汇合中，以此作为是否拜访数据库的根据。

BitMap新增数据或者移除数据属于轻量级操作，查看操作的准确度依赖于动静汇合保护的闭环的完整性。比方向数据库减少数据时须要向BitMap中增加数据，从数据库中删除数据须要从BitMap中移除数据。如果要求严格的查看可靠性，则能够独自保护一个分布式定时工作，定期更新BitMap数据。

2、与布隆过滤器的区别

布隆过滤器与BitMap有类似的利用场景，但也有肯定的区别。给定一个数，BitMap能精确晓得是否存在于已知汇合中；布隆过滤器能精确判断是否不在汇合中，却不能必定存在于汇合中。

BitMap减少或者移除数据工夫复杂度为O(1)，方便快捷。布隆过滤器新建容易，剔除数据操作比拟繁琐。

在一些须要准确判断的场景，优先选择BitMap，比方判断手机号是否曾经注册。

四、小结

Redis BitMap不是一种新的数据结构，是利用字符串类型做的一层封装，看起来像一种新型数据结构。BitMap不像一种技术，更像是算法，在工夫复杂度和空间复杂度之间寻找平衡点。

BitMap其它利用场景比方签到打卡，统计在线人数等等。

喜爱本文点个♥️赞♥️反对一下，如有须要，可通过微信dream4s与我分割。相干源码在GitHub，视频解说在B站，本文珍藏在博客天地。