什么是位图？
bit：计算机最小单位（0或者1），逻辑上可以表示是/否，有/无等，位图是一种用“二进制位（bit）”来表示状态的数据结构
位图的核心能力是省内存 + 查询快（O(1）），表示N个值的状态只需要N个bit，内存使用是N/8个字节，并且是一个Map，查询
应用场景
快速去重
输入：[7, 3, 7, 2, 3, 9]（范围 0~9）
过程：
看到 7：第 7 位从 0->1，输出 7
看到 3：第 3 位从 0->1，输出 3
再看到 7：第 7 位已是 1，跳过
看到 2：第 2 位从 0->1，输出 2
再看到 3：跳过
看到 9：第 9 位从 0->1，输出 9
结果：[7, 3, 2, 9]
这比 HashSet 更省内存（在范围不大时尤其明显）。
成员检查（黑白名单）
你有 0~1,000,000 的 ID，频繁判断“某 ID 是否在白名单里”。
用位图预处理白名单
每次查询只查一位
时间复杂度 O(1)，非常快
位图排序
如果数据是“范围已知的非负整数”，可以：
扫描一遍，把出现过的数字位置设 1
从小到大扫描位图，遇到 1 就输出数字
输出天然有序。
这在“海量整数、内存紧张”时很经典。
适合VS不适合的场景
适合：
数据是整数
值域可控（比如 0~几千万）
只关心“是否存在/是否命中”这类布尔状态
不适合：
值域极大且非常稀疏（例如最大值 10^12，只出现几百个）
需要存的不只是存在性（比如还要存次数、对象内容）
布隆过滤器核心数据结构就是使用的位图
海量QQ号去重
以腾讯的面试题为切入点来讲解位图的使用：
40亿个QQ号如何去重，只能使用1GB内存。
解析：一个整数占用4个字节，40亿个整数需要大概14.9G内存。此时可以使用位图来解决
位图一个字节能存8bit，4个字节能存32个数也就是说内存占用小32倍，完全符合条件
我使用了RoaringBitmap来实现