BitMap 是使用 bit位来标记某个元素对应的value，而key 即是该元素，因此对于之前位数存储换成bit位存储数据能大大的节省存储空间。
下面简单介绍一下bitmap的实现思想：
假设我们要对于0-7内的5个元素(4,7,2,5,3)进行排序（假设元素没有重复），我们可以利用bitmap达到该目的，要表示8个数，我们需要8byte，每个byte相当于一个标志位，我们可以通过标志位（0，1）去标识本次这个元素是否存在（0，标识不存在）或者不存在（1，标识存在），这样对于4，7，2，5，3，按照标识位我们就可以表示成如下：
| 0 | 0 | 1 | 1 | 1 | 1 | 0 | 1 |
对于从左到右，我们依次取出标志位为1的对应的value即 进行了一次从小到大的排列，那么这么去运用bitmap算法有什么好处呢？
bitmap的一个巨大的好处就是高性能，下面就这一好处做详细说明：
如果对于一个int型数组{1,2,4,6},大概占的内存空间为4*4 = 16byte，但是，对于如今大数据时代来说，各种数据零零散散，假如要对于10亿这种数据进行处理呢？10亿*4/1024/1024/1024=4个G左右，要是物理机内存不够，要对这样大量的一个数据进行处理的话，内存说不定就崩溃了。如果分批进行处理，那么存盘的I/O消耗也比较高，如今飞速发展的时代，我们需要能高效的处理，这就引入了bitmap算法进行处理，以达到高性能的要求，按照10亿的例子处理如下：
对于一个字节来说，1byte = 8bit，我们把bit当做标志位去与10亿数据进行key 和 value的映射，这个标志位可以是该数据的某个属性，如上述排序中的存在或者不存在等情况，通过标志位来确定一一对应的关系，这样对于10亿数据，最后占得内存空间变成了4G/8/4=125M左右了，这样大大的节省了cpu的负荷，具体实现如下：
依次进行一一映射，这样处理起来就将原来的内存空间大大节省，提高了处理效率；
如此关于bitmap算法的具体描述就介绍到这里，后续有兴趣可以查查bitmap算法的具体代码实现和应用，届时再做分享记录~