每個roaringbitmap(github鏈結)中都包含乙個roaringarray，名字叫highlowcontainer。
highlowcontainer儲存了roaringbitmap中的全部資料。
roaringarray highlowcontainer;int）拆分成高16位和低16位兩部分（兩個short）來處理。
roaringarray的資料結構很簡單，核心為以下三個成員：
short keys;
container values;
int size;
short keys中，低16位則被看做value，儲存到container values中的某個container中。keys和values通過下標一一對應。size則標示了當前包含的key-value pair的數量，即keys和values中有效資料的數量。
keys陣列永遠保持有序，方便二分查詢。
下面介紹到的是roaringbitmap的核心，三種container。
通過上面的介紹我們知道，每個32位整形的高16位已經作為key儲存在roaringarray中了，那麼container只需要處理低16位的資料。
static
final
int default_max_size = 4096
short content;
short content，將16位value直接儲存。
short content始終保持有序，方便使用二分查詢，且不會儲存重複數值。
因為這種container儲存資料沒有任何壓縮，因此只適合儲存少量資料。
arraycontainer占用的空間大小與儲存的資料量為線性關係，每個short為2位元組，因此儲存了n個資料的arraycontainer占用空間大致為2n位元組。儲存乙個資料占用2位元組，儲存4096個資料占用8kb。
根據原始碼可以看出，常量default_max_size值為4096，當容量超過這個值的時候會將當前container替換為bitmapcontainer。
final
long bitmap;
long儲存位圖資料。我們知道，每個container處理16位整形的資料，也就是0~65535，因此根據點陣圖的原理，需要65536個位元來儲存資料，每個位元位用1來表示有，0來表示無。每個long有64位，因此需要1024個long來提供65536個位元。
因此，每個bitmapcontainer在構建時就會初始化長度為1024的long。這就意味著，不管乙個bitmapcontainer中只儲存了1個資料還是儲存了65536個資料，占用的空間都是同樣的8kb。
private
short valueslength;
int nbrruns = 0;
它的原理是，對於連續出現的數字，只記錄初始數字和後續數量。即：
原始碼中的short valueslength中儲存的就是壓縮後的資料。
這種壓縮演算法的效能和資料的連續性（緊湊性）關係極為密切，對於連續的100個short，它能從200位元組壓縮為4位元組，但對於完全不連續的100個short，編碼完之後反而會從200位元組變為400位元組。
如果要分析runcontainer的容量，我們可以做下面兩種極端的假設：
只有bitmapcontainer可根據下標直接定址，複雜度為o(1)，arraycontainer和runcontainer都需要二分查詢，複雜度o(log n)
這是我畫的一張圖，大致描繪了各container占用空間隨資料量的趨勢。
其中，建立時：
轉換：針對arraycontainer：
針對bitmapcontainer：
針對runcontainer：
RoaringBitmap資料結構及原理
首先 每個roaringbitmap github鏈結 中都包含乙個roaringarray，名字叫highlowcontainer。highlowcontainer儲存了roaringbitmap中的全部資料。roaringarray highlowcontainer 這個名字意味著，會將32位的...
RoaringBitmap原理和應用
設計思路 我們以存放 integer 值的 bitmap 來舉例 存放long型別的儲存方式會有所不同 rbm 把乙個 32 位的 integer 劃分為高16 位和低16 位，通過高16位找到該資料儲存在哪個桶中 高 16 位可以劃分 2 16 個桶 把剩餘的低 16 位放入該桶對應的 conta...
資料探勘 資料
對關注的屬性，樣本與原始資料集有相同的性質，則用抽樣計算的結果與全集是一樣。1.1 抽樣的方法 1 簡單隨機抽樣 random sampling 放回 不放回 2 分層抽樣 stratified sampling 如果資料集不同型別的資料數量差異過大，則隨機抽樣會丟失數量少的樣本。可針對不同資料組，...