当前位置:首页 > 文章列表 > Golang > Go问答 > Go roaring Rank与Select分别解决什么查询

Go roaring Rank与Select分别解决什么查询

来源:17golang原创 2026-10-31 08:59:18 0浏览 收藏

Go roaring 的 Rank 和 Select 都面向有序整数集合,但解决的是相反方向的问题:Rank(x) 统计集合中小于等于 x 的元素个数,Select(k) 则按从小到大、从 0 开始的下标取出第 k 个元素。集合为 {3, 7, 9, 12, 20} 时,Rank(9) 是 3,Select(2) 是 9。

要点速览
  • Rank 是“给值求排名/数量”,对最小值返回 1。
  • Select 是“给序号求值”,传入 0 返回最小值。
  • Select 的序号越过 cardinality 会返回错误;共享 Bitmap 的并发读写要自行同步。

先把 Rank 和 Select 放回有序集合

Roaring bitmap 保存的是去重后的整数。官方 API 将 Rank 定义为“小于等于目标值的元素数量”,所以它适合回答“这个 ID 前面有多少个成员”“游标落在第几位”等统计问题。目标值比最小元素还小时,结果为 0。

Select 走另一条方向:给出一个 0 起始的序号,返回按升序排列后的元素。它适合回答“取第 51 个命中 ID”“按位置恢复一条记录”。因此两者的下标约定不能互换。

方法输入输出含义常见用途
Rank(x)元素值小于等于 x 的数量排名、游标统计、分段计数
Select(k)0 起始序号第 k 个元素按位置取值、恢复分页边界
Go roaring Rank 与 Select 在有序整数集合上的输入输出关系说明图
图1:Go roaring Rank 与 Select 的输入方向和下标约定说明图,不是运行截图。

用 Go 代码核对返回值和错误

下面用同一个 bitmap 先查排名,再按序号取值。示例里的注释保留了两个最容易混淆的约定:Rank 的最小值排名是 1,Select 的第一个元素序号是 0。

package main

import (
    "fmt"
    "github.com/RoaringBitmap/roaring"
)

func main() {
    // BitmapOf 会按集合语义去重;这里的值天然按升序解释。
    bm := roaring.BitmapOf(3, 7, 9, 12, 20)

    // Rank 统计小于等于 9 的元素数量,所以结果是 3。
    rank := bm.Rank(9)

    // Select 使用 0 起始序号;2 对应第三个元素 9。
    value, err := bm.Select(2)
    if err != nil {
        // 传入超出 cardinality 的序号时必须处理错误。
        panic(err)
    }
    fmt.Printf("rank=%d value=%d\\n", rank, value)
}

这里不需要先把整个集合转成切片。若业务只需要一个排名或一个位置值,直接使用对应方法更能表达意图;若要连续输出全部元素,再考虑迭代器或 ToArray。

按查询目标选择 API

遇到“统计”时优先想 Rank,遇到“取值”时优先想 Select。比如内容推荐系统保存文章 ID 集合,可以用 Rank(cursorID) 判断游标之前已有多少篇命中项;要取下一页第一个 ID,则用 Select(offset)。两者组合时,先明确分页协议采用的是元素值还是位置,避免把 Rank 返回的数量直接当成 Select 的参数。

业务还应记录集合大小:GetCardinality() 返回元素数量。取第 k 个元素前,先判断 uint64(k) ,再调用 Select,错误仍要保留,因为集合可能在两次操作之间发生变化。若只想判断是否存在某个 ID,使用 Contains 更直白,不要用 Rank 模拟存在性判断。

Go roaring 排名统计、按序号取值和 cardinality 边界的查询关系说明图
图2:从业务查询目标选择 Rank、Select、Contains 与 GetCardinality 的结构说明图,不是运行截图。

上线前的边界检查清单

  • 空集合:Rank 对任意值都应按 0 个元素理解,Select 没有合法位置。
  • 序号边界:Select 的第一个合法序号是 0,最大合法序号是 cardinality-1。
  • 值域边界:普通 roaring Bitmap 存储 uint32;业务若需要更大整数,应评估 roaring64,而不是强转后忽略溢出。
  • 并发边界:同一个 Bitmap 默认不提供并发安全保证,读写共享对象时用 mutex 或按所有权传递。

一个实用的判断顺序是:先问“我要数量还是元素”,再核对 0/1 起始约定,最后处理集合为空、序号越界和并发修改。这样 Rank 与 Select 的差异就不会在分页或索引代码里变成隐蔽的 off-by-one 问题。

相关问题

Rank 会返回集合中等于目标值的元素吗

会。它统计小于等于目标值的数量;目标值不在集合中时,仍会返回它前方及其左侧的元素数量。

Select 的参数为什么从 0 开始

Select 把 0 定义为最小元素的位置,而 Rank 对最小元素返回 1,这是官方接口刻意采用的不同约定。

可以在多个 goroutine 中同时调用 Rank 和 Select 吗

不要默认认为安全。官方说明同一 Bitmap 的并发访问通常需要调用方同步;只读共享也应结合对象生命周期和实际版本说明做设计。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go roaring 原地集合运算与返回新位图有什么区别Go roaring 原地集合运算与返回新位图有什么区别
上一篇
Go roaring 原地集合运算与返回新位图有什么区别
scikit-learn LabelSpreading 怎样标记未标注样本
下一篇
scikit-learn LabelSpreading 怎样标记未标注样本
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    807次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    798次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    888次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    860次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    685次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码