如何判断一个元素在亿级数据中是否存在？ 很难吗...

这两天看博客园首页一篇文章，https://www.cnblogs.com/crossoverJie/p/10018231.html

主要是分析一个面试题：

如今有一个很是庞大的数据，假设全是 int 类型。如今我给你一个数，你须要告诉我它是否存在其中(尽可能高效)。

虽然文章给的布隆过滤器不能解决面试的这个题的问题，判断不存在和判断存在是两码事。

 

下面给出个人思路，欢迎你们讨论分析。

先假定有1亿个正整数，如何处理。如何初始化这1亿个数，使得来一个数就能快速分析出结果呢？

很直观的一种方法就是某个数存在就给它标记为1，不然标记为0，先假定有一个int.Max长的数组，每一个数的值放到它的序号上，好比第一个数是5，那么就在第5位置1，其他相似。

若是用int数组，这样的话，这个数组就很长了，内存可能吃不消。

其实0、1这样的用比特存储就刚恰好，那么每8位的比特合在一块儿，就是一个byte，每个byte加一个序号（表示是第几个8位）就能表示8个数是否存在了。那么若是用byte数组长度就是：1亿/ 8 = 12500000长的byte数组便可，这个数组的序号就是第N*8-N*8+8个数的分布状况。好比要查100是否存在这1亿数据中，对100除8取结果和余数，结果肯定序号，判断序号对应的数的二进制在余数位是否为1便可。

同理，用int能够存32个数，就是1亿/32长的int数组；用long能够存64个数，就是1亿/64长的long数组便可。

不管是用byte、int仍是long数组，大小都查不到，约： 1亿/ 32 * 4 / 1024 / 1024 ≈ 12(MB)，也就是说用这么一点内存便可解决问题。

对于负数的处理，无非再用一个数组来存下便可。

那么若是数据多于1亿，好比10亿，百亿甚至更多怎么办呢？

很简单，存在数据库里面嘛，一个表俩字段（序号+值）便可，建个索引，很容易就能支持海量数据的处理了，这样扩展性的问题也就解决了。

 

一时兴起写的，排版请见谅。欢迎你们讨论。