Java实现基于bitmap的字符串去重统计

字符串与整数不同，不能直接用位图表示。本文介绍两种基于bitmap思想的字符串去重统计方法：布隆过滤器和哈希映射法。

## 方法一：布隆过滤器（Bloom Filter）

布隆过滤器是bitmap的扩展应用，它使用多个哈希函数，将每个字符串映射到bitmap的多个位置上。

```java
import java.util.BitSet;
import java.util.function.Function;

public class BloomFilter {
    private BitSet bitmap;
    private int numBits;
    private int numHashes; // 哈希函数数量
    
    // 使用不同的种子计算哈希
    private int hash(String str, int seed) {
        int h = str.hashCode();
        // 使用简单的混合函数与seed结合
        return Math.abs((h ^ seed) % numBits);
    }
    
    public BloomFilter(int size, int hashes) {
        this.numBits = size;
        this.numHashes = hashes;
        this.bitmap = new BitSet(size);
    }
    
    // 将字符串添加到过滤器
    public void add(String str) {
        for (int i = 0; i < numHashes; i++) {
            int pos = hash(str, i);
            bitmap.set(pos);
        }
    }
    
    // 检查字符串是否可能在集合中
    // 返回false表示一定不在，返回true表示可能在
    public boolean mayContain(String str) {
        for (int i = 0; i < numHashes; i++) {
            int pos = hash(str, i);
            if (!bitmap.get(pos)) {
                return false; // 如果有任一位为0，则字符串一定不在集合中
            }
        }
        return true; // 所有位都为1，字符串可能在集合中
    }
    
    // 估计集合中元素数量
    // m = 位数，k = 哈希函数数量，X &