zjq_love的博客

分别计算每个哈希值对应的比特位置存储的是否为零，只要有一个为零，代表该元素一定不在哈希表中，否则可能在哈希表中。所谓位图，就是用每一位来存放某种状态，适用于海量数据，数据无重复的场景。在该问题中，我们可以取40亿个比特位，每个比特位表示一个数，如果该数出现则标记为1，未出现则标记为0。给40亿个不重复的无符号整数，没排过序。将每一个log中的IP通过哈希函数映射成一个整数%100，分到100不同的小文件，在进行计数。我们采取类似位图的思想，将一个字符串通过相同的方式映射成一个整数，再将对应的下表，标位1。

最好的情况是：每个哈希桶中刚好挂一个节点，再继续插入元素时，每一次都会发生哈希冲突，因此，在元素个数刚好等于桶的个数时，可以给哈希表增容。如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素。对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功。1.桶的个数是一定的，随着元素的不断插入，每个桶中元素的个数不断增多，极端情况下，