Question

我有一个与大量小整数（实际上是十进制数字）有关的问题。存储此类数据的空间有效方式是什么？

使用std::bitset<4>存储一个十进制数字是个好主意吗？

Answer 1

根据如何节省空间以及检索的效率，我看到了两种可能性：

由于std::bitset<4>的向量（据我所知）存储在解压缩的设置中（每个位集存储在32或64位的存储器字中），您至少应该使用打包表示，如使用64位字来存储16位数字：
```
store (if the digit was not stored before):
block |= digit << 4 * index
load:
digit = (block >> 4 * index) & 0xF
reset:
block &= ~(0xF << 4 * index);
```

这些64位字（uint64_t）的向量以及一些访问方法应该易于实现。

如果您的空间要求更加严格，您可以尝试使用分区和模数打包10位（最多1024位）的3位数，这样会节省很多时间。与64位字的对齐也要困难得多，所以我只推荐这个，如果你需要获得最后16％的改进，最多你可以获得每位数3.3位。

Answer 2

如果你想要一个非常紧凑的方式，那么不，使用bitset<4>是一个坏主意，因为bitset<4>将使用至少一个字节，而不是4位。

我建议使用std::vector<std::uint32_t>

您可以在uint32_t中存储多个数字。两种常用方式：

每个数字使用4位，并使用位操作。这样，您可以在4个字节中存储8位数字。这里，set / get操作非常快。效率：4位/位
使用base 10编码。 uint32_t最大值为256 ^ 4-1，能够以4个字节存储9位数。效率：3.55bit /位。在这里，如果你需要设置/获取所有9位数，那么它几乎和以前的版本一样快（因为除以10将由优秀的编译器优化，CPU不会进行实际的划分）。如果您需要随机访问，则set / get将比以前的版本慢（您可以使用libdivide加快速度。）

如果您使用uint64_t代替uint32_t，那么您可以使用第一种方式存储16位数字（相同的4位/数字效率），使用第二种方式存储19位数字：3.36bit / digit efficieny ，这非常接近理论最小值：~3.3219bit / digit

Answer 3

使用std :: bitset＆lt; 4＆gt;是否是个好主意。存储一个十进制数字？

是的，原则上这是一个好主意。它是众所周知的优化并称为BCD编码。

（实际上是十进制数字）。存储此类数据的空间有效方式是什么？

您可以使用占用字节的一个半字节来压缩十进制数字表示。此外，数学可能会应用于优化，而不是数字等的ASCII表示。

std::bitset<4>无法为压缩数据提供良好的服务 std::bitset<4>仍会占据一个完整的字节。

我能想到的另一种数据结构是位域

// Maybe #pragma pack(push(1))
struct TwoBCDDecimalDigits {
    uint8_t digit1 : 4;
    uint8_t digit2 : 4;
};
// Maybe #pragma pack(pop)

甚至还有一个库可用于将此格式转换为目标CPU架构支持的标准化数字格式：

XBCD_Math

我能想到的另一种方法是编写自己的类：

class BCDEncodedNumber {
    enum class Sign_t : char {
        plus = '+' ,
        minus = '-'
    };
    std::vector<uint8_t> doubleDigitsArray;
public:
    BCDEncodedNumber() = default;
    BCDEncodedNumber(int num) {
        AddDigits(num); // Implements math operation + against the
                        // current BCD representation stored in 
                        // doubleDigitsArray.
    }    
};

存储一个十进制数字

3 个答案: