点击蓝色“五分钟学算法”关注我哟
加个“星标”，天天中午 12:15，一起学算法
作者 | 守望先生
来源 | 编程珠玑
前言
输入：一个最多包含n个正整数的文件，每个数都小于n，其中n=10^7。如果在输入文件中有任何正数重复出现就是致命错误。没有其他数据与该正数相关联。
输出：按升序排列的输入整数的列表。
约束：最多有（大约）1MB的内存空间可用，有充足的磁盘存储空间可用。运行时间最多几分钟，运行时间为10秒就不需要进一步优化。
这是《编程珠玑》中很有意思的一个问题。今天给大家分享一下并附上自己的代码实现。
分析
这个问题的限制在于，大约只有1MB的内存空间可用，而存储10^7个整数却大约需要4*10^7字节即大约需要40M内存，显然是不够用的。
一种思路是，既然总的内存不够，我们可以读取40次，例如，第一次读取0至249 999之间的数，并对其进行排序输出，第二次读取250 000 至499 999之间的数，并对其排序输出。以次类推，在进行了多次排序之后就完成了对所有数据的排序，并输出到文件中。
另外一种思路是，既然有充足的磁盘存储空间可用，那么我们可以借助中间文件。读入一次输入文件，利用中间文件进行归并排序写入输出文件。
那么能否结合两种思路呢？即只需要读取一次，也不借助中间文件？或者说，如何用大约1MB内存空间，即大约８00万个比特位最多表示10^７个互异的数呢？
位图法
借助位图法当然是可以的。我们可以用一个比特位来代表一个数。例如，对于整数集合{1,2,5,6,7}，可以使用下面的比特位表示：
0 1 1 0 0 1 1 1 数值存在的比特位置为1，其他位为0，对应上面的即可。分别在第1，2，5，6，7比特位置1即可。而上面的比特位转换为整数值为103，只需要一个字节便可存储。
回到我们之前的问题。对于最多10^7个整数，我们大约需要10^7个比特位，即10^7/(8*1024*1024)MB，约1.2M的内存即可存储。
至此，我们可以梳理出算法大体流程：
1.对给定大小的数组所有比特位置0
2.循环读取输入文件的数据，并将对应数值大小的比特位置1
3.遍历数组各比特位，如果位为1，则输出对应比特位的位置整数
C语言实现
C语言实现代码如下：
#include<stdio.h>#include<stdlib.h>#define CHAR_BIT 8 // char类型占用的bit位数#define SHIFT 3 //右移的位数#define MAX_NUM 10000000 #define BIT_SIZE 10000000*8 //所需比特位总数量#define MAX_STR 10 //一个整数所需最大字符数#define INPUT_FILE "srcNum.txt"#define OUTPUT_FILE "dstNum.txt"/*将整数对应的比特位置1*/int putIntoBitMap(char *bitmap, int num){ int byte = num >> SHIFT; char bit = 1 << num % CHAR_BIT; bitmap[byte] |= (char) bit; return 0;}/*判断整数是否在位图中*/int isInBitMap(char *bitmap, int num){ int byte = num >> SHIFT; char bit = 1 << num % CHAR_BIT; if (bitmap[byte] & (char) bit) return 1; else return 0;}int main(void){ /*打开源文件*/ FILE *in = fopen( INPUT_FILE, "r" ); if(NULL == in) { printf("open src num failed"); return -1; } /*申请位图相关内存，并初始化为0*/ char string[MAX_STR] = { 0 }; char *bitmap = (char*)calloc(MAX_NUM,sizeof(char)); if(NULL == bitmap) { fclose(in); return -1; } int num = 0; /*循环读取文件中的整数，并将对应位置1*/ while(fgets(string, MAX_STR, in ) != NULL) { num = atoi(string); putIntoBitMap(bitmap, num); //printf("%d",num); } fclose(in); /*遍历位图中的比特位，为1，则输出整数到文件中*/ FILE *out = fopen(OUTPUT_FILE, "w+"); if(NULL == out) { printf("open dst num failed"); free(bitmap); bitmap = NULL; return -1; } int i; for (i = 0; i < BIT_SIZE; i++) { if (isInBitMap(bitmap , i)) { fprintf(out, "%d", i); //printf("%d",i); } } fclose(out); free(bitmap); bitmap = NULL; return 0;}srcNum.txt中存放了早已生成好的小于10^7的大量无重复整数，编译运行结果如下：
gcc -o bitmap bitmap.ctime ./bitmapreal 0m1.830suser 0m1.729ssys 0m0.100s可以看到运行时间为秒级。
关键点说明：
putIntoBitMap和isInBitMap函数是该算法的关键函数
putIntoBitMap将整数对应的比特位置1
isInBitMap 判断整数所在比特位是否为1
例如对于整数81，它所在的字节数是81/8 = 10，第10字节（从0开始数），所在的比特位为81%8=1，第1个比特位。那么我们只需要将第10字节的第1个比特位置1即可。
如何将第n个比特位置1？先将1左移n位（n小于8），得到一个值，再将这个值与该字节进行相或即可。例如，如果需要将第4个比特位置1，则1左移4位，得到二进制的00010000即16，若原来该字节值为01000000，即64时，只需将64与16逻辑或即可。
0001000001000000 01010000 #逻辑或之后的结果上面的程序还有很多不足之处，包括未对输入做任何检查，未对输入数量做校验等等。这一切都基于输入数据都是正确的，但这丝毫不影响我们对该算法思想的理解。
总结
位图法适用于大规模数据，但数据状态又不是很多的情况。对于上面的程序，几乎是做完读取操作之后，排序就完成了，效率惊人。
思考
给定一个最多包含 40 亿个随机排列的 32 位整数的文件，如何快速判断给出的一个数是否在其中？
本文相关阅读推荐：
GitHub 标星 3w+，很全面的算法和数据结构知识
