采用分桶位图法：先按高8位分256桶，每桶动态分配字节数组，再对低24位执行位操作，兼顾内存效率与稀疏性支持。
一、使用std::vector手动管理位存储
该方案规避std::vector
1、计算所需字节数：size_t byte_size = (max_value + 7) / 8；
2、分配连续内存：std::vector
3、置位操作：bits[n >> 3] |= (1
立即学习“C++免费学习笔记（深入）”；
4、查位操作：return (bits[n >> 3] & (1
5、关键校验：插入前必须检查n >= 0 && n ，否则触发未定义行为。
二、分桶+局部Bitmap结构
针对稀疏大值域（如随机int范围-2³¹~2³¹−1），通过高位哈希分桶将全局映射拆解为多个局部紧凑位图，避免全量内存分配，实现按需加载与内存可控。
1、设定桶数：例如取高8位，共256个桶，桶索引 bucket = static_cast
2、为每个非空桶动态分配std::vector
3、桶内偏移计算：local_n = n & 0xFFFFFF（保留低24位）；
4、在对应桶中执行位操作：buckets[bucket][local_n >> 3] |= (1
5、查询时需遍历所有可能桶，但实际只需检查对应bucket索引下的单个位图，其余桶可跳过。
三、基于std::vector的64位对齐位图
利用64位寄存器原生位指令提升吞吐，减少循环次数与缓存行访问频次，适合高性能去重场景，尤其在-O2 -march=native编译下可生成bts/bt等单周期指令。
1、计算word数量：size_t word_count = (max_value + 63) / 64；
2、分配对齐内存：使用aligned_alloc(64, word_count * sizeof(uint64_t))或posix_memalign；
3、置位：data[index / 64] |= (1ULL
4、查位：(data[index / 64] & (1ULL
5、重要提示：必须用 index % 64 替代 index & 63 以避免负数索引误算，且调试版应加入assert(index
四、两级哈希近似去重（Bloom Filter变种）
当严格精确性可适度让步于内存压缩时，采用高位定桶+低位定偏移策略构建概率可控的近似位图，将GB级内存压缩至数百MB，适用于日志ID、URL哈希等高吞吐场景。
1、第一级哈希取高12位作为桶号：bucket = (x >> 52) & 0xfff；
2、第二级哈希计算32位指纹并截断低20位：bit_pos = fast_hash(x) & 0xfffff；
3、每个桶使用std::bitset（128KB）；
4、插入仅执行set(bit_pos)，不检查原值；
5、查询返回true仅表示可能已存在（存在假阳性），返回false则表示绝对未见过。
五、惰性分段位图（Segmented Bitmap）
应对超大值域（如0～2³²−1）且数据分布高度不均的情况，将值域划分为固定长度段，仅在首次写入某段时分配其位图内存，显著降低峰值内存占用。
1、设定段长：SEGMENT_SIZE = 1U
2、段索引计算：segment_idx = n / SEGMENT_SIZE；
3、段内偏移：offset = n % SEGMENT_SIZE；
4、使用std::vector<:unique_ptr>>> segments管理；
5、插入前检查segments[segment_idx]是否存在，若为空则初始化为std::vector
6、关键保障：段分配必须延迟且线程安全，推荐使用std::atomic<:unique_ptr>>或CAS初始化。
