这几天看Bloom Filter，因为在java中，并不能像C/C++一样直接操纵bit级别的数据，所以只能另想办法替代：
1）使用整数数组来替代；
2）使用BitSet；
BitSet实际是由“二进制位”构成的一个Vector。如果希望高效率地保存大量“开－关”信息，就应使用BitSet。它只有从尺寸的角度看才有意义；如果希望的高效率的访问，那么它的速度会比使用一些固有类型的数组慢一些。
BitSet的大小与实际申请的大小并不一定一样，BitSet的size方法打印出的大小一定是64的倍数，这与它的实际申请代码有关，假设以下面的代码实例化一个BitSet:
BitSet set = new BitSet( 129 );
我们来看看实际是如何申请的：申请源码如下：
/**
* Creates a bit set whose initial size is large enough to explicitly
* represent bits with indices in the range <code>0</code> through
* <code>nbits-1</code>. All bits are initially <code>false</code>.
*
* @param nbits the initial size of the bit set.
* @exception NegativeArraySizeException if the specified initial size
* is negative.
*/
public BitSet( int nbits) {
// nbits can't be negative; size 0 is OK
if (nbits < 0 )
throw new NegativeArraySizeException( "nbits < 0: " + nbits);
initWords(nbits);
sizeIsSticky = true ;
}
private void initWords( int nbits) {
words = new long [wordIndex(nbits- 1 ) + 1 ];
}
|
实际的空间是由initWords方法控制的，在这个方法里面，我们实例化了一个long型数组，那么wordIndex又是干嘛的呢？其源码如下：
/**
* Given a bit index, return word index containing it.
*/
private static int wordIndex( int bitIndex) {
return bitIndex >> ADDRESS_BITS_PER_WORD;
}
|
这里涉及到一个常量ADDRESS_BITS_PER_WORD，先解释一下，源码中的定义如下：
private final static int ADDRESS_BITS_PER_WORD = 6 ;
|
那么很明显2^6=64,所以，当我们传进129作为参数的时候，我们会申请一个long[(129-1)>>6+1]也就是long[3]的数组，到此就很明白了，实际上替代办法的1）和2）是很相似的：都是通过一个整数（4个byte或者8个byte）来表示一定的bit位，之后，通过与十六位进制的数进行and,or,~等等操作进行Bit位的操作。
接下来讲讲其他比较重要的方法
1）set方法，源码如下：
/**
* Sets the bit at the specified index to <code>true</code>.
*
* @param bitIndex a bit index.
* @exception 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 invariants
checkInvariants();
}
|
这个方法将bitIndex位上的值由false设置为true,解释如下：
我们设置的时候很明显是在改变long数组的某一个元素的值，首先需要确定的是改变哪一个元素，其次需要使用与或操作改变这个元素，在上面的代码中，首先将bitIndex>>6，这样就确定了是修改哪一个元素的值，其次这里涉及到一个expandTo方法，我们先跳过去，直接看代码：
words[wordIndex] |= (1L << bitIndex); // Restores invariants
|
这里不是很好理解，要注意：需要注意的是java中的移位操作会模除位数，也就是说，long类型的移位会模除64。例如对long类型的值左移65位，实际是左移了65%64=1位。所以这行代码就等于：
int transderBits = bitIndex % 64 ;
words[wordsIndex] |= (1L << transferBits);
|
上面这样写就很清楚了。
与之相对的一个方法是：
/**
* Sets the bit specified by the index to <code>false</code>.
*
* @param bitIndex the index of the bit to be cleared.
* @exception 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();
}
|
这段代码理解上与set大同小异,主要是用来设置某一位上的值为false的。
上面有个方法，顺带着解释一下：
expandTo方法：
/**
* 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;
}
}
|
这里面又有个参数wordsInUse,定义如下：
/**
* The number of words in the logical size of this BitSet.
*/
private transient int wordsInUse = 0 ;
|
根据其定义解释，这个参数表示的是BitSet中的words的逻辑大小。当我们传进一个wordIndex的时候，首先需要判断这个逻辑大小与wordIndex的大小关系，如果小于它，我们就调用方法ensureCapacity:
private void ensureCapacity( int wordsRequired) {
if (words.length < wordsRequired) {
// Allocate larger of doubled size or required size
int request = Math.max( 2 * words.length, wordsRequired);
words = Arrays.copyOf(words, request);
sizeIsSticky = false ;
}
}
|
也就是说将words的大小变为原来的两倍，复制数组，标志sizeIsSticky为false,这个参数的定义如下：
/**
* Whether the size of "words" is user-specified. If so, we assume
* the user knows what he's doing and try harder to preserve it.
*/
private transient boolean sizeIsSticky = false ;
|
执行完这个方法后，我们可以将wordsInUse设置为wordsRequired。（换句话说，BitSet具有自动扩充的功能）
2）get方法：
/**
* Returns the value of the bit with the specified index. The value
* is <code>true</code> if the bit with the index <code>bitIndex</code>
* is currently set in this <code>BitSet</code>; otherwise, the result
* is <code>false</code>.
*
* @param bitIndex the bit index.
* @return the value of the bit with the specified index.
* @exception 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 );
}
|
这里主要是最后一个return语句，
return (wordIndex < wordsInUse) && ((words[wordIndex] & (1L << bitIndex)) != 0 );
|
只有当wordIndex越界，并且wordIndex上的wordIndex上的bit不为0的时候，我们才说这一位是true.
3）size()方法：
/**
* Returns the number of bits of space actually in use by this
* <code>BitSet</code> 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;
}
|
这里也有一个常量，定义如下：
private final static int ADDRESS_BITS_PER_WORD = 6 ;
private final static int BITS_PER_WORD = 1 << ADDRESS_BITS_PER_WORD;
|
很明显，BITS_PER_WORD = 64，这里很重要的一点就是，如果使用size来返回BitSet数组的大小，其值一定是64的倍数，原因就在这里
4）与size相似的一个方法：length()源码如下：
/**
* Returns the "logical size" of this <code>BitSet</code>: the index of
* the highest set bit in the <code>BitSet</code> plus one. Returns zero
* if the <code>BitSet</code> contains no set bits.
*
* @return the logical size of this <code>BitSet</code>.
* @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 ]));
}
|
方法虽然短小，却比较难以理解，细细分析一下：根据注释，这个方法法返回的是BitSet的逻辑大小，比如说你声明了一个129位的BitSet,设置了第23，45，67位，那么其逻辑大小就是67，也就是说逻辑大小其实是的是在你设置的所有位里面最高位的Index。
这里有一个方法，Long.numberOfLeadingZeros，网上没有很好的解释，做实验如下：
long test = 1 ;<br>System.out.println(Long.numberOfLeadingZeros(test<< 3 ));<br>System.out.println(Long.numberOfLeadingZeros(test<< 40 ));<br>System.out.println(Long.numberOfLeadingZeros(test<< 40 | test<< 4 ));
|
打印结果如下：
60
23
23
也就是说，这个方法是输出一个64位二进制字符串前面0的个数的。
总结：
其实BitSet的源码并不复杂，只要理解其原理，对整数的移位等操作比较熟悉，细心阅读就可以理解。
