BitMap算法的核心思想是用bit數組來記錄0-1兩種狀態，然后再將具體數據映射到這個比特數組的具體位置，這個比特位設置成0表示數據不存在，設置成1表示數據存在。
BitMap算在在大量數據查詢、去重等應用場景中使用的比較多，這個算法具有比較高的空間利用率。
本文參考：漫畫：BitMap算法
1. 位圖算法的簡單原理
- 給定長度是10的bitmap，每一個bit位分別對應着從0到9的10個整型數。此時bitmap的所有位都是0。
- 把整型數4存入bitmap，對應存儲的位置就是下標為4的位置，將此bit置為1。
- 把整型數2存入bitmap，對應存儲的位置就是下標為2的位置，將此bit置為1。
要問此時bitmap里存儲了哪些元素？就一目了然。
Bitmap不僅方便查詢，還可以去除掉重復的整型數。
2. BitMap的開源實現
BitMap算法的開源實現由JDK的BitSet和谷歌的EWAHCompressedBitmap。
BitSet是對BitMap算法的簡單實現，而EWAHCompressedBitmap對BitMap的存儲空間做了優化。
我們還是接着上面列子往下講。上面我們已經在BitMap中插入了2和4兩個數，現在數據中的數存儲如下：
加入現在要插入一個非常大的數，比如10000000，那么BitMap必須要開啟一大塊空間來存儲10000000，但是這篇空間中的很多Bit位是用不到的。在這種數據分布極度不均勻的情況下BitMap的空間利用率是很低的。EWAHCompressedBitmap實現就對這種情況作了優化。具體的優化算法這邊就不做詳細解釋了。可以參考這篇博客
3. 使用案列
- 給定10億個不重復的正int的整數，沒排過序的，然后再給一個數，如何快速判斷這個數是否在那10億個數當中。
解法：遍歷40個億數字，映射到BitMap中，然后對於給出的數，直接判斷指定的位上存在不存在即可。
- 使用位圖法判斷正整形數組是否存在重復
解法：遍歷一遍，存在之后設置成1，每次放之前先判斷是否存在，如果存在，就代表該元素重復。
- 使用位圖法進行元素不重復的正整形數組排序
解法：遍歷一遍，設置狀態1，然后再次遍歷，對狀態等於1的進行輸出，參考計數排序的原理。
- 在2.5億個整數中找出不重復的正整數，注，內存不足以容納這2.5億個整數
解法1：采用2-Bitmap（每個數分配2bit，00表示不存在，01表示出現一次，10表示多次，11無意義）。
解法2：采用兩個BitMap，即第一個Bitmap存儲的是整數是否出現，接着，在之后的遍歷先判斷第一個BitMap里面是否出現過，如果出現就設置第二個BitMap對應的位置也為1，最后遍歷BitMap，僅僅在一個BitMap中出現過的元素，就是不重復的整數。
解法3：分治+Hash取模，拆分成多個小文件，然后一個個文件讀取，直到內存裝的下，然后采用Hash+Count的方式判斷即可。
該類問題的變形問題，如已知某個文件內包含一些電話號碼，每個號碼為8位數字，統計不同號碼的個數。8位最多99 999 999，大概需要99m個bit，大概10幾m字節的內存即可。 （可以理解為從0-99 999 999的數字，每個數字對應一個Bit位，所以只需要99M個Bit==12MBytes，這樣，就用了小小的12M左右的內存表示了所有的8位數的電話）
BitMap的一些缺點：
（1）數據碰撞。比如將字符串映射到 BitMap 的時候會有碰撞的問題，那就可以考慮用 Bloom Filter 來解決，Bloom Filter 使用多個 Hash 函數來減少沖突的概率。
（2）數據稀疏。又比如要存入(10,8887983,93452134)這三個數據，我們需要建立一個 99999999 長度的 BitMap ，但是實際上只存了3個數據，這時候就有很大的空間浪費，碰到這種問題的話，可以通過引入 Roaring BitMap 來解決。