BitSet实现原理解析
1.BitSet介绍
1. BitSet介绍
Bitset是Java中的一种数据结构。Bitset中主要存储的是二进制位，做的也都是位运算，每一位只用来存储0，1值，主要用于对数据的标记。
Bitset的基本原理是，用1位来表示一个数据是否出现过，0为没有出现过，1表示出现过。使用的时候可以根据某一个位是否为0表示此数是否出现过。JDK中的BitSet集合对是布隆过滤器中经常使用的数据结构Bitmap的相对简单的实现。BitSet采用了Bitmap的算法思想。
使用场景：整数，无重复。
下面就通过Bitset的源代码来看一下BitSet在Java中是如何实现的。
在java中，bitset的实现位于java.util包中，从jdk 1.0就引入了这个数据结构。在多个jdk的演变中，bitset也不断演变。这里参照的是jdk 1.7 源代码中的实现。
package java.util;import java.io.*;import java.nio.ByteBuffer;import java.nio.ByteOrder;import java.nio.LongBuffer;public class BitSet implements Cloneable, java.io.Serializable {/** BitSets are packed into arrays of "words." Currently a word is* a long, which consists of 64 bits, requiring 6 address bits.* The choice of word size is determined purely by performance concerns.*/private final static int ADDRESS_BITS_PER_WORD = 6;private final static int BITS_PER_WORD = 1 << ADDRESS_BITS_PER_WORD;private final static int BIT_INDEX_MASK = BITS_PER_WORD - 1;/* Used to shift left or right for a partial word mask */private static final long WORD_MASK = 0xffffffffffffffffL;/*** @serialField bits long[]** The bits in this BitSet. The ith bit is stored in bits[i/64] at* bit position i % 64 (where bit position 0 refers to the least* significant bit and 63 refers to the most significant bit).*/private static final ObjectStreamField[] serialPersistentFields = {new ObjectStreamField("bits", long[].class),};/*** The internal field corresponding to the serialField "bits".*/private long[] words;.....}
可以看到，BitSet的底层实现是使用long数组作为内部存储结构的，这就决定了BitSet至少为一个long的大小，而且BitSet的大小为long类型大小(64位)的整数倍。
long数组的每一个元素都可以当做是64位的二进制数，也是整个BitSet的子集。在BitSet中把这些子集叫做[Word]。
2. BitSet构造方法
它有两个构造函数：
2.1、BitSet()：
/*** Creates a new bit set. All bits are initially {@code false}.*/public BitSet() {initWords(BITS_PER_WORD);sizeIsSticky = false;}
2.2、BitSet(int nbits)：
/*** Creates a bit set whose initial size is large enough to explicitly* represent bits with indices in the range {@code 0} through* {@code nbits-1}. All bits are initially {@code false}.** @param nbits the initial size of the bit set* @throws NegativeArraySizeException if the specified initial size* is negative*/public BitSet(int nbits) {// nbits can't be negative; size 0 is OKif (nbits < 0)throw new NegativeArraySizeException("nbits < 0: " + nbits);initWords(nbits);sizeIsSticky = true;}
BitSet初始化时使用到的常量和方法：
private final static int ADDRESS_BITS_PER_WORD = 6;private final static int BITS_PER_WORD = 1 << ADDRESS_BITS_PER_WORD;private void initWords(int nbits) {words = new long[wordIndex(nbits-1) + 1];}private static int wordIndex(int bitIndex) {return bitIndex >> ADDRESS_BITS_PER_WORD;}
两个构造函数，一个构造函数没有参数，没有指定初始大小，另一个构造函数带一个int型参数用于指定大小。如果新建BitSet时没有指定大小，BitSet就会有一个默认的初始大小，默认的初始大小为64bit。也就是说，BitSet默认的是一个long整形的大小。
无参构造函数的默认大小是64bit。下面我们根据构造函数推导一下BitSet默认分配的大小。
（1）无参构造函数BitSet( )调用initWords(BITS_PER_WORD)，其中BITS_PER_WORD = 1 << ADDRESS_BITS_PER_WORD = 1 << 6 = 64。下面就应该计算initWords(64)。
（2）initWords(int nbits)调用words = new long[wordIndex(nbits-1) + 1]，把nbits = 64带入，wordIndex(64-1) = wordIndex(63) 。下面计算initWords(63)。
（3）wordIndex(int bitIndex)中计算bitIndex >> ADDRESS_BITS_PER_WORD，把bitIndex = 63带进去，63 >> 6是对63做六次右移运算，结果为0。
（4）把wordIndex(int bitIndex)的计算结果带入words = new long[wordIndex(nbits-1) + 1]得words = new long[1]，说明初始化的时候分配了1个long型数组，占64位。
带参数的构造函数的分配内存大小的推导过程与此类似，也可以按照这种方式推导。
在新建BitSet时默认大小是64位，如果BitSet指定的初始大小没有超过64 bit时也会分配64 bit的大小：
import java.util.BitSet;public class BitSetDemo {public static void main(String[] args) {BitSet bitSet = new BitSet();System.out.println("default size="+bitSet.size()+" "+bitSet.length());BitSet bitSet2 = new BitSet(1);System.out.println(" size="+bitSet2.size()+" "+bitSet.length());}}
程序运行结果：
如果size不够用了就会自动翻倍，比如：
import java.util.BitSet;public class BitSetDemo {public static void main(String[] args) {//这个时候bitSet.size() = 128;BitSet bitSet = new BitSet(100);System.out.println("allocate size="+bitSet.size()+" "+bitSet.length());//这个时候bitSet.size() = 256；BitSet bitSet2 = new BitSet(200);System.out.println("allocate size="+bitSet2.size()+" "+bitSet.length());}}
程序运行结果：
如果BitSet指定了初始化大小，那么会把他规整到一个大于或者等于这个数字的64的整倍数。比如64位，BitSet的大小是1个long，而65位时，指定了大小是2个long，即128位。做这么一个规定，主要是为了内存对齐，同时避免考虑到特殊情况的处理，简化程序。
3. BitSet常用方法
基于此，下面就可以看一下Bitmap的一些常用的基本操作：
3.1 初始化一个bitset
初始化的时候指定或不指定初始大小。上面的两个构造方法已经介绍啦。
3.2 设置某一指定位
作用就是把某一个值存放入BitSet中。
/*** Sets the bit at the specified index to {@code true}.** @param bitIndex a bit index* @throws IndexOutOfBoundsException if the specified index is negative* @since JDK1.0*/public void set(int bitIndex) {if (bitIndex < 0)throw new IndexOutOfBoundsException("bitIndex < 0: " + bitIndex);int wordIndex = wordIndex(bitIndex);expandTo(wordIndex);words[wordIndex] |= (1L << bitIndex); // Restores invariantscheckInvariants();}
再看代码之前，我们先搞清楚一个问题，一个数在BitSet里面是如何存储的，怎么快速定位它的存储位置。
上面也说了，BitSet做的是位运算，针对BitSet的操作都是通过bit的逻辑运算得到的，每一位只用来存储0，1值，主要用于对数据的标记。那么Bitset是怎么对数据进行标记的呢？
BitSet的默认初始大小是一个long数组，一个long数组就是64个bit，每一个bit的值就是二进制的0或者1，bit的值和相应位置就代表一个数在不在BitSet当中，0代表该数值不存在，1代表该数组值存在。这样就可以描述数据对数据进行标记了。具体如下图：
在这里，0、3、63等存放入了long数组中。
从上面的BitSet的结构图我们可以看到，要想定位一个数据，需要确定两个值：
（1）这个数位于哪个数组，也就是确定words[wordIndex] 的wordIndex是多少。
（2）这个数位于数组的哪一部分，也就是确定这个数的bitIndex是哪一位。
上面就是用于快速定位一个数的存储位置也就是索引号的过程。
那么对于set( )操作，我们可以通过往BitSet中放入一个数据看一下set( )是如何存数据的。假如要放入的数是14。
（1）传入bitIndex = 14。首先判断传入的下标是否越界。
（2）int wordIndex = wordIndex(bitIndex)判断要存入的bitIndex应该存入哪个数组。通过计算wordIndex应该是0，就是存入第一个long数组。
private static int wordIndex(int bitIndex) {return bitIndex >> ADDRESS_BITS_PER_WORD;}
在进行逻辑运算之前，执行了一个函数 expandTo(wordIndex); 这个函数是确保BitSet中有对应的这个long数组。如果没有的话，就对BitSet中的long数组进行扩展。扩展的策略，是将当前的空间翻一倍。如果wordIndex的值大于当前BitSet的size就会进行扩充。expandTo(wordIndex)代码如下：
/*** Ensures that the BitSet can hold enough words.* @param wordsRequired the minimum acceptable number of words.*/private void ensureCapacity(int wordsRequired) {if (words.length < wordsRequired) {// Allocate larger of doubled size or required sizeint request = Math.max(2 * words.length, wordsRequired);words = Arrays.copyOf(words, request);sizeIsSticky = false;}}/*** Ensures that the BitSet can accommodate a given wordIndex,* temporarily violating the invariants. The caller must* restore the invariants before returning to the user,* possibly using recalculateWordsInUse().* @param wordIndex the index to be accommodated.*/private void expandTo(int wordIndex) {int wordsRequired = wordIndex+1;if (wordsInUse < wordsRequired) {ensureCapacity(wordsRequired);wordsInUse = wordsRequired;}}
（3）words[wordIndex] |= (1L << bitIndex)是进行的逻辑运算，对1进行左移，然后与words[wordIndex]做或(or)运算。对1右移14位，然后与所在的数组做与运算，目的就是把对应数组words的bitIndex所在的位置置为1，从而达到标记一个数存在于BitSet中的目的。
同时jdk中提供了，对某一个数据具体设置成0或1的操作，以及设置某一区间的操作。下面是对数据设置0或1的操作。
/*** Sets the bit at the specified index to the specified value.** @param bitIndex a bit index* @param value a boolean value to set* @throws IndexOutOfBoundsException if the specified index is negative* @since 1.4*/public void set(int bitIndex, boolean value) {if (value)set(bitIndex);elseclear(bitIndex);}
3.3 清空BitSet
a. 清空所有的bit位，即全部置0。
/*** Sets all of the bits in this BitSet to {@code false}.** @since 1.4*/public void clear() {while (wordsInUse > 0)words[--wordsInUse] = 0;}
b. 清空某一位。
/*** Sets the bit specified by the index to {@code false}.** @param bitIndex the index of the bit to be cleared* @throws IndexOutOfBoundsException if the specified index is negative* @since JDK1.0*/public void clear(int bitIndex) {if (bitIndex < 0)throw new IndexOutOfBoundsException("bitIndex < 0: " + bitIndex);int wordIndex = wordIndex(bitIndex);if (wordIndex >= wordsInUse)return;words[wordIndex] &= ~(1L << bitIndex);recalculateWordsInUse();checkInvariants();}
第一行是参数检查，如果bitIndex小于0，则抛参数非法异常。
后面执行的是BitSet中操作中经典的两步曲：
找到对应的long数组
这行语句是：int wordIndex = wordIndex(bitIndex);
操作对应的位。
这行语句是：words[wordIndex] &= ~(1L << bitIndex);
对1进行左移，然后取反，最后与words[wordIndex]作与操作。
~(1L << bitIndex)首先通过1L << bitIndex移动到指定的位bitIndex，这一位设置为1，然后取反，把其他位都设置为1，这一位设置为0。1L << bitIndex的目的就是定位到bitIndex所在的位并把该位标记为1。最后和words[wordIndex]做&运算，words[wordIndex]&bitIndex = 0 的位把该为清空，words[wordIndex]&非bitIndex = 1不影响其余位原来的数值。如果清空一个原本就不在BitSet的位返回的值是不影响正确结果的。
注意：这里的参数检查， if (bitIndex < 0)是对负数index抛出异常。if (wordIndex >= wordsInUse)是对超出大小的index，不做任何操作，直接返回。因为输入一个超出大小的index，没有对应位置的数据，不需要做取反操作，就可以直接返回啦。
c. 清空指定范围的bits。
/*** Sets the bits from the specified {@code fromIndex} (inclusive) to the* specified {@code toIndex} (exclusive) to {@code false}.** @param fromIndex index of the first bit to be cleared* @param toIndex index after the last bit to be cleared* @throws IndexOutOfBoundsException if {@code fromIndex} is negative,* or {@code toIndex} is negative, or {@code fromIndex} is* larger than {@code toIndex}* @since 1.4*/public void clear(int fromIndex, int toIndex) {checkRange(fromIndex, toIndex);if (fromIndex == toIndex)return;int startWordIndex = wordIndex(fromIndex);if (startWordIndex >= wordsInUse)return;int endWordIndex = wordIndex(toIndex - 1);if (endWordIndex >= wordsInUse) {toIndex = length();endWordIndex = wordsInUse - 1;}long firstWordMask = WORD_MASK << fromIndex;long lastWordMask = WORD_MASK >>> -toIndex;if (startWordIndex == endWordIndex) {// Case 1: One wordwords[startWordIndex] &= ~(firstWordMask & lastWordMask);} else {// Case 2: Multiple words// Handle first wordwords[startWordIndex] &= ~firstWordMask;// Handle intermediate words, if anyfor (int i = startWordIndex+1; i < endWordIndex; i++)words[i] = 0;// Handle last wordwords[endWordIndex] &= ~lastWordMask;}recalculateWordsInUse();checkInvariants();}
这个方法是将所有的long数组的这个范围分成三块，startWord、intervalWord和endWord。
其中startWord，是从该long数组words[startWordIndex]对应的firstWordMask 就是开始位置开始到该long数组结束的位置全部置0；intervalWord则是这些long数组的所有bits全部置0；而endWord这是对ong数组words[startWordIndex]从起始位置0到指定的结束位lastWordMask全部置0。在这里需要分别对startword和stopword进行逻辑运算。
此外还有一些特殊情形需要处理，特殊情形如startWord越界、startWord与endWord是同一个long数组等。
3.4 两个重要的内部检查函数
上面的代码，可以看到每个对数据进行操作的函授结尾都会有一个或两个函数：recalculateWordsInUse()和checkInvariants()。
这两个函数，是对bitset的内部状态进行维护和检查的函数。recalculateWordsInUse()实现如下：
/*** Sets the field wordsInUse to the logical size in words of the bit set.* WARNING:This method assumes that the number of words actually in use is* less than or equal to the current value of wordsInUse!*/private void recalculateWordsInUse() {// Traverse the bitset until a used word is foundint i;for (i = wordsInUse-1; i >= 0; i--)if (words[i] != 0)break;wordsInUse = i+1; // The new logical size}
wordsInUse是检查当前的long数组中，实际使用的long的个数。通过从数组的末位循环判断wordsInUse的值，并在最后对wordsInUse的值进行更新。long[wordsInUse-1]是当前最后一个存储有有效bit的long，这个值是用于保存bitset有效大小的。
这个方法的返回值就是返回long数组中最高位的1的位置。
/*** Every public method must preserve these invariants.*/private void checkInvariants() {assert(wordsInUse == 0 || words[wordsInUse - 1] != 0);assert(wordsInUse >= 0 && wordsInUse <= words.length);assert(wordsInUse == words.length || words[wordsInUse] == 0);}
checkInvariants 可以看出是检查内部状态，尤其是对wordsInUse是否合法的检查。
3.5 反转某一指定位
反转，就是把某一位的1变成0，0变成1，是一个与1的异或(xor)运算的操作。
/*** Sets the bit at the specified index to the complement of its* current value.** @param bitIndex the index of the bit to flip* @throws IndexOutOfBoundsException if the specified index is negative* @since 1.4*/public void flip(int bitIndex) {if (bitIndex < 0)throw new IndexOutOfBoundsException("bitIndex < 0: " + bitIndex);int wordIndex = wordIndex(bitIndex);expandTo(wordIndex);words[wordIndex] ^= (1L << bitIndex);recalculateWordsInUse();checkInvariants();}
反转的基本操作也是两步，找到bitIndex所在的long数组，定位bitIndex所在的位置并把该位置标记为1，然后让long数组与指定的位进行异或(xor)运算。
int wordIndex = wordIndex(bitIndex)用于找到bitIndex所在的long数组，
words[wordIndex] ^= (1L << bitIndex)定位bitIndex所在的位置并让long数组与该位置进行异或(xor)运算。
同时在flip(int bitIndex)执行逻辑运算之前也执行了expandTo(wordIndex)函数，这个函数是确保bitset中有对应的这个long。如果没有就对bitset中的long数组进行扩展。在介绍set(int bitIndex)方法的时候讲过了。
同样，也提供了一个指定区间的反转，实现方案与clear(int fromIndex, int toIndex)方法的区间运算基本相同，只是对应的逻辑运算不同。代码如下：
/*** Sets each bit from the specified {@code fromIndex} (inclusive) to the* specified {@code toIndex} (exclusive) to the complement of its current* value.** @param fromIndex index of the first bit to flip* @param toIndex index after the last bit to flip* @throws IndexOutOfBoundsException if {@code fromIndex} is negative,* or {@code toIndex} is negative, or {@code fromIndex} is* larger than {@code toIndex}* @since 1.4*/public void flip(int fromIndex, int toIndex) {checkRange(fromIndex, toIndex);if (fromIndex == toIndex)return;int startWordIndex = wordIndex(fromIndex);int endWordIndex = wordIndex(toIndex - 1);expandTo(endWordIndex);long firstWordMask = WORD_MASK << fromIndex;long lastWordMask = WORD_MASK >>> -toIndex;if (startWordIndex == endWordIndex) {// Case 1: One wordwords[startWordIndex] ^= (firstWordMask & lastWordMask);} else {// Case 2: Multiple words// Handle first wordwords[startWordIndex] ^= firstWordMask;// Handle intermediate words, if anyfor (int i = startWordIndex+1; i < endWordIndex; i++)words[i] ^= WORD_MASK;// Handle last wordwords[endWordIndex] ^= lastWordMask;}recalculateWordsInUse();checkInvariants();}
3.6 获取某一指定位的状态
/*** Returns the value of the bit with the specified index. The value* is {@code true} if the bit with the index {@code bitIndex}* is currently set in this {@code BitSet}; otherwise, the result* is {@code false}.** @param bitIndex the bit index* @return the value of the bit with the specified index* @throws IndexOutOfBoundsException if the specified index is negative*/public boolean get(int bitIndex) {if (bitIndex < 0)throw new IndexOutOfBoundsException("bitIndex < 0: " + bitIndex);checkInvariants();int wordIndex = wordIndex(bitIndex);return (wordIndex < wordsInUse)&& ((words[wordIndex] & (1L << bitIndex)) != 0);}
同样是首先获取bitIndex所在的long数组，然后bitIndex和数组进行位运算，这里的位操作是与(&)运算。可以看到，如果指定的bit不存在的话，返回的是false，即该为不在BitSet中。如果不等于0的话就是存在。
jdk同时提供了一个获取指定区间的BitSet的方法：get(int fromIndex, int toIndex)。
此方法返回一个新的 BitSet，它由原BitSet中从fromIndex（包括）到 toIndex（不包括）范围内的位组成。
3.7 获取当前bitset总bit的大小
/*** Returns the "logical size" of this {@code BitSet}: the index of* the highest set bit in the {@code BitSet} plus one. Returns zero* if the {@code BitSet} contains no set bits.** @return the logical size of this {@code BitSet}* @since 1.2*/public int length() {if (wordsInUse == 0)return 0;return BITS_PER_WORD * (wordsInUse - 1) +(BITS_PER_WORD - Long.numberOfLeadingZeros(words[wordsInUse - 1]));}
length( )方法返回此BitSet实际使用的空间大小：BitSet中位数值为1的最高位的索引值加 1。
与此类似的方法还有一个返回BitSet的size的方法：
/*** Returns the number of bits of space actually in use by this* {@code BitSet} to represent bit values.* The maximum element in the set is the size - 1st element.** @return the number of bits currently in this bit set*/public int size() {return words.length * BITS_PER_WORD;}
此方法返回BitSet实际占用空间的大小，返回的值都是long数组长度的倍数，因为申请空间的时候就是按照long数组长度申请的。占用了多少空间不代表使用了多少空间。但是占用空间对应的最后一个long数组和使用空间所在的long数组应该是同一个数组，因为只有使用空间才会申请空间。比如：
BitSet bitSet = new BitSet(65);
System.out.println(bitSet.length()+" "+bitSet.size());那么次bitSet返回的length = 66， 返回的size = 128。申请了128位的空间，但是只用了66，如果申请28位的空间就需要两个数组，第66位正好位于第二个数组。如果初始大小是63，length = 66就不需要第二个long数组了。
3.8 hashcode
hashcode是一个非常重要的属性，可以用来表明一个数据结构的特征。bitset的hashcode是用下面的方式实现的：
/*** Returns the hash code value for this bit set. The hash code depends* only on which bits are set within this {@code BitSet}.** <p>The hash code is defined to be the result of the following* calculation:* <pre> {@code* public int hashCode() {* long h = 1234;* long[] words = toLongArray();* for (int i = words.length; --i >= 0; )* h ^= words[i] * (i + 1);* return (int)((h >> 32) ^ h);* }}</pre>* Note that the hash code changes if the set of bits is altered.** @return the hash code value for this bit set*/public int hashCode() {long h = 1234;for (int i = wordsInUse; --i >= 0; )h ^= words[i] * (i + 1);return (int)((h >> 32) ^ h);}
这个hashcode考虑了words数组中每一位的位置。因为当有words数组中的bit的状态发生变化时，hashcode也会随之改变。
3.9 Java中Bitet的应用
BitSet的使用非常简单，只要对需要的操作调用对应的函数即可。
BitSet常见的应用场景是对海量数据的处理，可以用于对大数量的查找，去重，排序等工作，相比使用其他的方法，占用更少的空间，显著提高效率；也可以使用BitSet进行一些统计工作，比如日志分析、用户数统计等；还可以使用其方法做一些集合方面的运算，比如求并集、交集和补集等。有关BitSet的更多使用和应用，可以参考：BitSet的应用。
有关BitSet的基本内容和常用方法就介绍到这里啦。