Java中是否存在用于稀疏位向量的任何着名库？
（是否有关于稀疏对于java.util.BitSet使用它们有用的指导原则？）
答案 0 :(得分：8)
TL; DR到这里Efficient Sparse BitSet implementation in Java
我知道这是一个“老”的问题，但我遇到了同样的问题，我偶然发现了这篇文章。虽然答案很好，但我最终并不满意。在进一步挖掘之后，我想我已经遇到了Java中稀疏BitSet问题的“权威”答案。
在this presentation作者Bruce Haddon博士讨论了他的研究人员为标准Java BitSet创建高内存效率和高性能替代品的努力。
他演示文稿的原始链接已经死了，但我联系了Haddon博士，并保留了代码和演示文稿：
https://github.com/brettwooldridge/SparseBitSet
我不建议更高度阅读此演示文稿。即使您对稀疏位集没有兴趣，它也是一个引人入胜的读物，更多的是关于解决问题的本质......
Slides: Is it Computer Science, Software Engineering, or Hacking?
答案 1 :(得分：4)
如果它真的稀疏（例如，加载小于1％），那么使用由位索引索引的哈希表可能相当不错;如果该位分别为1或0，则只需要知道表中是否存在索引。
如果密度高达百分之几，则可以使用由位索引除以64的哈希表，并在包含实际位的哈希表中存储长字。如果哈希表包含 int（N / 64）和（V＆gt;＆gt;（N）的值 V ，则设置位 N mod 64））＆amp; 1 是真的。
这两个答案都假设您希望优化对位的随机访问。如果要按索引优化对位的顺序（或其他访问），则可能需要稀疏矩阵结构，使用相同类型的低级位向量表示，具体取决于预期的密度。见Sparse Matrices
答案 2 :(得分：3)
colt library具有稀疏矩阵（1D，2D和3D）。它还有一个高效的BitVector，每个值1位，而不是boolean[]的8位。
然而，稀疏矩阵不直接支持位 - 只有双精度和对象。您可以通过将位索引maping到长索引(bitIndex>>6)来包装1D稀疏双矩阵，因为每个long保持64位，convert将检索到的double加到原始long值，并使用位操作来访问检索到的长。一点点工作，但远不及自己实现稀疏矢量那么多。一旦你的包装器工作，你可能会避免将双精度转换为long，并使用双重1D稀疏矩阵的可用Colt源代码作为起点来实现一个真正的稀疏长1d矩阵。
编辑：更多信息。假设所有位（长）最初为0，Colt向量/矩阵最初不需要存储器用于存储。将值设置为非零会占用内存。将值设置回0会继续消耗内存，但会定期回收零值的内存。
如果这些位真的是稀疏的，这样每个后备long值只有一个位设置，那么存储开销将非常差，每个实际位需要存储64位。但是当你提到典型的情况是20-40％稀疏时，那么开销会低很多，如果比特在范围内聚集，可能没有浪费的存储，例如， 0-100，然后1000-1100和2000-2200（十六进制值）的位。总的来说，只有1/16的区域被分配给位，但是聚类意味着存储的位没有浪费的空间。
答案 3 :(得分：1)
您可以尝试FastUtil's AVL Tree Map。
答案 4 :(得分：0)
CERN COLT广泛用于向量和矩阵计算，并且具有稀疏矩阵，但并未专门用于位向量。
http://acs.lbl.gov/software/colt/api/cern/colt/matrix/impl/SparseObjectMatrix1D.html
答案 5 :(得分：0)
仅仅存在或不存在密钥的哈希表会告诉您什么？那将是一个哈希集！我对BitSet上的一个集合（甚至是一个哈希值）的性能持怀疑态度。这实际上取决于速度或内存是否是主要驱动因素。
答案 6 :(得分：0)