快捷搜索:  汽车  科技

号码随机排序,200W手机号码中查找特定号码

号码随机排序,200W手机号码中查找特定号码type BitMap []byte下面就是go实现的bitmap算法的主要代码:可以看到查找手机号码: 19998600000 两种算法所用的时间差距还是比较明显的bitmap强于二分法 效率大概是7倍 效果也比较明显 bitmap属于使用空间换时间 因此bitmap所要占用的内存空间会更大 需要事先根据数据量和存储的数据大小来申请存储空间 对于两种算法的取舍还是要基于当前的业务场景大家如果有更好的想法 欢迎交流学习!!!!!

之前写了一个100W条记录中查找特定数据的性能测试 和遍历算法做了比较 二分法性能强很多.

今天我用二分法和bitmap数据结构存储来比较下:

场景一:

200W条手机号码记录中查找特定手机号码的记录需要花费的时间:

号码随机排序,200W手机号码中查找特定号码(1)

可以看到查找手机号码: 19998600000 两种算法所用的时间差距还是比较明显的

bitmap强于二分法 效率大概是7倍 效果也比较明显 bitmap属于使用空间换时间 因此bitmap所要占用的内存空间会更大 需要事先根据数据量和存储的数据大小来申请存储空间 对于两种算法的取舍还是要基于当前的业务场景

大家如果有更好的想法 欢迎交流学习!!!!!

下面就是go实现的bitmap算法的主要代码:

type BitMap []byte

func NewBitMap(max int) BitMap {

return make([]byte (max>>3) 1)

}

func (b BitMap) Set(n uint) {

if (n >> 3) > uint(len(b)) {

fmt.Println("数字太大超过最大存放范围")

return

}

index := n >> 3

pos := n & 0x07

b[index] = b[index] | 1<<pos

}

func (b BitMap) Get(n uint) bool {

if (n >> 3) > uint(len(b)) {

fmt.Println("数字太大超过最大存放范围")

return false

}

index := n >> 3

pos := n & 0x07

return b[index]&(1<<pos) != 0

}

猜您喜欢: