BitSet 用 long 数组实现位存储，空间利用率是 boolean[] 的 1/64，支持高效批量位运算，适用于非负整数去重等内存受限场景。
BitSet 是 Java 中一个高效处理位操作的工具类，特别适合在内存受限场景下做海量数据去重、状态标记和布尔集合运算。它底层用 long 数组实现，每个 bit 代表一个 boolean 值，空间利用率是 boolean[] 的 1/64，且位运算（如 and/or/xor）批量执行，性能远超常规集合。
用 BitSet 实现超大规模整数去重
当数据是不重复的非负整数（如用户 ID、日志序号、IP 段映射值），且最大值可控（比如
- 调用 bitSet.set(int index) 标记存在，自动扩容；bitSet.get(int index) 判断是否已存在
- 避免越界：确保 index ≥ 0；若原始数据含负数或过大值，需先哈希映射到 [0, N) 区间（注意哈希冲突需额外校验）
- 示例：统计 1~500 万内出现过的数字，仅需约 625 KB 内存（5000000 / 8 / 1024）
用位运算高效完成集合逻辑操作
BitSet 天然支持交（and）、并（or）、差（andNot）、异或（xor），一次调用即可完成百万级元素的集合运算，比遍历 ArrayList 或 Stream.filter 快一个数量级以上。
- a.and(b)：a 变成 a ∩ b；a.or(b)：a 变成 a ∪ b
- a.andNot(b)：a 变成 a − b（属于 a 但不属于 b）
- a.xor(b)：a 变成对称差集（只在 a 或 b 中出现，不同时在）
- 注意：这些方法均原地修改；如需保留原 BitSet，先用 new BitSet(other) 拷贝
与布隆过滤器协同提升去重精度
BitSet 本身不解决哈希冲突——若用哈希映射压缩大范围数据，单个 bit 冲突会导致误判（假阳性）。此时可组合使用：
- 用多个独立 hash 函数 + 多个 BitSet（类似布隆过滤器结构），降低冲突概率
- 或用 BitSet 作“一级快速筛”，确认“肯定不存在”；对“可能存在”的数据再查 HashMap 做精确判定
- 例如：实时日志去重中，先用 BitSet 快速拦截 95% 重复请求，剩余 5% 走轻量级 ConcurrentHashMap，兼顾速度与准确
实用技巧与避坑提醒
BitSet 强大但有隐含约束，忽视易引发 bug：
- 不支持泛型，所有索引必须是 int；超过 Integer.MAX_VALUE（21.47 亿）会抛 IndexOutOfBoundsException
- length() 返回的是最高 set 位的索引 + 1，不是实际容量；size() 才是内部 long 数组长度 × 64
- 序列化时注意：BitSet 默认序列化完整底层数组，空高位也会被写入，体积可能远超有效数据；如需紧凑存储，可用 toByteArray() + 自定义压缩
- 多线程不安全：并发 set/get 需外部同步，或改用 java.util.concurrent.ConcurrentHashMap + 分段 BitSet
