一、背景

位图通常是查询加速过程中的常用的工具，一指没有仔细的研究过位图；现学习一下位图和位图的改进版RoaringBitMap；学习参考文章；

二、BitMap

BitMap的基本思想就是用一个bit位或多个bit位来标记某个元素对应的Value。而此Bit位即是对应的元素，value可以使用位的值（0或者1）来进行表示。由于采用了Bit为单位来存储数据，因此在存储空间方面，可以大大节省。
比如：用一个bit位来代表一个int整数是否出现，那么则只需要512M的存储，可以表示所有的整数是否出现；

2.1 BitMap使用限制条件

BitMap适用于数据比较密集的情况，比如题目：正整数的快速排序以及判断是否存在；正整数的去重以及计数。

2.2 举例说明

如果我们想快速排序{6,8,2,5,4},根据位图我们应该

三、RoaringBitMap

BitMap适合连续密集的正整数存储，对于稀疏的正整数存储，其性能在很多时候是没办法和int数组相比的，尤其是正整数跨度较大的场景；RoaringBitMap就是为了解决这个问题产生；

2.1 RoaringBitMap的数据结构

• 将32位的整数划分为高16位和低16位；高16位对应于2^16 ，即最多可能有65536个桶个桶；
• 低16位保存在对应桶的container中；主要包含ArrayContainer、BitMapContainer、RunLengthContainer三种，根据保存的数据情况保存到使用不同的Container；

这里跟HashMap使用链表还是红黑树保存一个道理；

• 首先当一个桶被创建时，第一个元素一定会被放在 ArrayContainer 中存储，因为此时的数据是绝对的稀疏；
• 后续的数据被放入到该桶时，RBM会计算 ArrayContainer 的数值个数，当数值个数超过4096时，就会将 ArrayContainer 转化为 BitmapContainer 存储，而超过4096即是RBM认为的数据密集的阈值

2.3 4096阈值的由来

ArrayContainer 的大小随元素个数的增加线性增长；而 BitmapContainer 则恒定为8KB。所以8KB就是临界点，而8KB对应的ArrayContainer存储的数据量恰恰是4096（存储的是无符号低16位，2 byte），这就是4096这个阈值的来历。

RunLengthContainer只有在手动调用runOptimize方法时才有可能产生，Run-Length编码并不是一直有效，具体可以参考文章