转载

Golang 工具推荐之bitset

写在前面

一般找Golang相关的包都是先去 awesome-go 找,里面按分类都归类好了。今天要推荐的是 bitset 。之前在工作中对于已有项目的优化探索了很久,发现了这个包之后,让我眼前一亮,找到了未来优化的方向。

bitset 简介

首先这是一个数据结构。从名字set不难发现,这是一个集合的数据结构。bit的含义也比较好懂,通过set是通过bit实现的。如果你需要一个集合,正好集合内的元素都是正整数,那么用这个就没错了。

Example

import "github.com/willf/bitset"

var b bitset.BitSet // 定义一个BitSet对象
b.Set(10).Set(11) // 给这个set新增两个值10和11
if b.Test(1000) { // 查看set中是否有1000这个值(我觉得Test这个名字起得是真差劲,为啥不叫Exist)
	b.Clear(1000) // 情况set
}
for i,e := v.NextSet(0); e; i,e = v.NextSet(i + 1) { // 遍历整个Set
   fmt.Println("The following bit is set:",i);
}
if B.Intersection(bitset.New(100).Set(10)).Count() > 1 { // set求交集
	fmt.Println("Intersection works.")
}

这个包功能已经非常完善了,完整的文档可以参考它的 godoc 。我使用这些包,除了看重基础功能(对于集合,就是增删改查这些),还有就是得方便调试。bitset内部保存数字都是按位存的,如果调试的时候是把bitset的内部数据给我看,我也是看不懂的,还好这个包提供了 String() 方法,可以把我设置的数据已字符串的形式返回,棒棒哒。

实现原理

研究一下实现原理才是我的Style。大概说一下原理。正整数集合可以都放到一个大的整数里面,用位来表示数字。比如 1001 就可以表示0和2这两个数字。用一个bit代替了一个 int ,可以大大降低内存的占用。但是一个整数最大也就64位,也就是说最大表示的数字就是64了,所以可以通过多个 int 拼接的形式来表示大整数。

bitset的内部数据结构,很亲切有木有:

type BitSet struct {
	length uint // set的大小
	set    []uint64 // 这个就会被用来表示一个大整数
}

通过下面的测试代码对于内部实现一探究竟:

var b bitset.BitSet // 定义一个BitSet对象
fmt.Println(b.Bytes())
b.Set(0)
fmt.Println(b.Bytes(),0)
b.Set(10) // 给这个set新增两个值10
fmt.Println(b.Bytes(),0,10)
b.Set(64)
fmt.Println(b.Bytes(),0,10,64)
if b.Test(1000) { // 查看set中是否有1000这个值(我觉得Test这个名字起得是真差劲,为啥不叫Exist)
	b.Clear(1000) // 情况set
}

输出: [] [1] 0 [1025] 0 10 [1025 1] 0 10 64

  • 新建的bitset,set是空 []
  • 放入了一个0,用第一位表示,也就是 0x00000001
  • 放入了10,内部结构 0x00000041
  • 放入了64,这个时候一个整数已经存不下了,内部结构是 0x000000410x00000001 。set这个数组里面,从前往后表示的数据依次增加,但是在 uint64 内部,是从低位开始,低位表示小的数。

与其它数据结构的对比

表示正整数的集合,Golang有很多种方式,自带的 map 就可以,当然这是最差的一种选择,首先就是内存的浪费,其次是每次查找还涉及到hash计算,虽然理论上hashmap的复杂度是O(1),实际上跟bitset比完全就是渣渣。此外,bitset都得升级版 roaring 也是不错的选择。如果你要保存的数据是10000000000这种级别的,那么用bitset就会存在低位浪费内存的情况,roaring可以用来压缩空间。

import (
	"testing"

	"github.com/RoaringBitmap/roaring"
	"github.com/willf/bitset"
)

func BenchmarkMap(b *testing.B) {
	var B = make(map[int]int8, 3)
	B[10] = 1
	B[11] = 1
	for i := 0; i < b.N; i++ {
		if _, exists := B[1]; exists {

		}
		if _, exists := B[11]; exists {

		}
		if _, exists := B[1000000]; exists {

		}
	}
}

func BenchmarkBitset(b *testing.B) {
	var B bitset.BitSet
	B.Set(10).Set(11)
	for i := 0; i < b.N; i++ {
		if B.Test(1) {

		}
		if B.Test(11) {

		}
		if B.Test(1000000) {

		}
	}
}

func BenchmarkRoaring(b *testing.B) {
	for i := 0; i < b.N; i++ {
		B := roaring.BitmapOf(10, 11)
		if B.ContainsInt(1) {

		}
		if B.ContainsInt(11) {
		}
		if B.ContainsInt(1000000) {

		}

	}
}

$ go test -bench=.* -benchmem 

BenchmarkMap-2          50000000                28.4 ns/op             0 B/op          0 allocs/op
BenchmarkBitset-2       2000000000               1.86 ns/op            0 B/op          0 allocs/op
BenchmarkRoaring-2       3000000               492 ns/op             152 B/op          6 allocs/op

结论

如果是比较连续的非负整数,推荐用bitset解决集合的问题。当然具体问题具体分析。

本文所涉及到的完整源码请 参考 。

原文  http://blog.cyeam.com/golang/2017/01/18/go-rec-bitset
正文到此结束
Loading...