漫画BitMap在用户画像的应用

转载







两个月之前——





为满足用户标签的统计需求，小灰利用Mysql设计了如下的表结构，每一个维度的标签都对应着Mysql表的一列：

要想统计所有90后的程序员该怎么做呢？

用一条求交集的SQL语句即可：

Select
count（distinct Name） as 用户数 from table whare age = '90后' and Occupation = '程序员' ;

要想统计所有使用苹果手机或者00后的用户总合该怎么做？

用一条求并集的SQL语句即可：

Select
count（distinct Name） as 用户数 from table whare Phone = '苹果' or age = '00后' ;

两个月之后——

———————————————











1. 给定长度是10的bitmap，每一个bit位分别对应着从0到9的10个整型数。此时bitmap的所有位都是0。

    


2. 把整型数4存入bitmap，对应存储的位置就是下标为4的位置，将此bit置为1。



3. 把整型数2存入bitmap，对应存储的位置就是下标为2的位置，将此bit置为1。

4. 把整型数1存入bitmap，对应存储的位置就是下标为1的位置，将此bit置为1。

5. 把整型数3存入bitmap，对应存储的位置就是下标为3的位置，将此bit置为1。

要问此时bitmap里存储了哪些元素？显然是4,3,2,1，一目了然。

Bitmap不仅方便查询，还可以去除掉重复的整型数。

1. 建立用户名和用户ID的映射：

2. 让每一个标签存储包含此标签的所有用户ID，每一个标签都是一个独立的Bitmap。

3.
这样，实现用户的去重和查询统计，就变得一目了然：

1. 如何查找使用苹果手机的程序员用户？

2. 如何查找所有男性或者00后的用户？

几点说明：

1. 本文的灵感来源于京东金融数据部张洪雨同学的项目经历，感谢这位大神的技术分享。

2. 该项目最初的技术选型并非Mysql，而是内存数据库hana。本文为了便于理解，把最初的存储方案写成了Mysq数据库。

漫画算法系列

漫画算法：最小栈的实现

漫画算法：判断
2 的乘方

漫画算法：找出缺失的整数

漫画算法：辗转相除法是什么鬼？

漫画算法：什么是动态规划？（整合版）

漫画算法：什么是跳跃表？

漫画算法：什么是
B 树？

漫画算法：什么是
B+ 树？

漫画算法：什么是一致性哈希？

漫画算法：无序数组排序后的最大相邻差值