c++如何使用std::bitset进行位图算法_c++ 快速查找与大规模数据排重【方法】

std::bitset 适合哪些位图场景

std::bitset 本质是编译期确定大小的静态位容器，适用于「值域固定且已知」的大规模排重或快速存在性判断。比如：判断 0–999999 中哪些整数出现过、统计某日用户 ID（限定在 1–10⁶ 范围）是否访问过。它不适合动态范围（如输入含负数、超 size() 的值）、也不适合运行时才确定容量的场景——这时得换 std::vector 或第三方布隆过滤器。

初始化与基础操作要注意什么

声明时必须指定模板参数（即位数），不能用变量：

std::bitset<1000000> visited; // ✅ 正确
int n = 1000000;
std::bitset visited; // ❌ 编译错误：n 非常量表达式

• visited.set(x) 标记位置 x 为 true（自动越界检查？不！x ≥ size() 是未定义行为）
• visited.test(x) 安全等价于 (x ，但需手动校验范围
• visited[x] = true 不做边界检查，调试模式下可能断言失败，发布版直接 UB

内存与性能的真实代价

std::bitset 占用约 (N + 7) / 8 字节，对齐后可能略多。例如 std::bitset 实际占 125000 字节（122 KiB），远小于 std::unordered_set 存 10⁵ 个 int 的开销（通常 > 2 MiB）。但要注意：

• 构造函数默认将所有位清零，无额外开销
• count() 是 O(N/word_size)，现代 libstdc++ 用 popcnt 指令，极快
• 迭代“已置位”的索引没有内置方法，需手写循环或配合 to_ulong() 分段处理（仅适用于小 size）

排重逻辑怎么写才不出错

典型排重流程是：读入每个数 x，检查是否已存在，再决定是否计入结果。关键陷阱在于忽略值域合法性：

std::bitset<1000000> seen;
std::vector unique;

for (int x : input) {
    if (x < 0 || x >= 1000000) continue; // 必须加！否则 set(x) UB
    if (!seen.test(x)) {
        seen.set(x);
        unique.push_back(x);
    }
}

真正麻烦的是“值域看似固定实则浮动”的情况，比如日志中用户 ID 最大值每天不同。这时候硬编码 std::bitset 很容易某天溢出，又没法 runtime 调整。这种场景，std::bitset 就不是解，而是隐患源头。