如何判斷一個元素在億級數據中是否存在？ 很難嗎...

這兩天看博客園首頁一篇文章，https://www.cnblogs.com/crossoverJie/p/10018231.html

主要是分析一個面試題：

如今有一個很是龐大的數據，假設全是 int 類型。如今我給你一個數，你須要告訴我它是否存在其中(儘可能高效)。

雖然文章給的布隆過濾器不能解決面試的這個題的問題，判斷不存在和判斷存在是兩碼事。

 

下面給出個人思路，歡迎你們討論分析。

先假定有1億個正整數，如何處理。如何初始化這1億個數，使得來一個數就能快速分析出結果呢？

很直觀的一種方法就是某個數存在就給它標記爲1，不然標記爲0，先假定有一個int.Max長的數組，每一個數的值放到它的序號上，好比第一個數是5，那麼就在第5位置1，其他相似。

若是用int數組，這樣的話，這個數組就很長了，內存可能吃不消。

其實0、1這樣的用比特存儲就剛恰好，那麼每8位的比特合在一塊兒，就是一個byte，每個byte加一個序號（表示是第幾個8位）就能表示8個數是否存在了。那麼若是用byte數組長度就是：1億/ 8 = 12500000長的byte數組便可，這個數組的序號就是第N*8-N*8+8個數的分佈狀況。好比要查100是否存在這1億數據中，對100除8取結果和餘數，結果肯定序號，判斷序號對應的數的二進制在餘數位是否爲1便可。

同理，用int能夠存32個數，就是1億/32長的int數組；用long能夠存64個數，就是1億/64長的long數組便可。

不管是用byte、int仍是long數組，大小都查不到，約： 1億/ 32 * 4 / 1024 / 1024 ≈ 12(MB)，也就是說用這麼一點內存便可解決問題。

對於負數的處理，無非再用一個數組來存下便可。

那麼若是數據多於1億，好比10億，百億甚至更多怎麼辦呢？

很簡單，存在數據庫裏面嘛，一個表倆字段（序號+值）便可，建個索引，很容易就能支持海量數據的處理了，這樣擴展性的問題也就解決了。

 

一時興起寫的，排版請見諒。歡迎你們討論。