Python中可用int模拟位向量，一个int能高效存储海量开关：置位用flags |= (1
用 int 模拟位向量，每个 bit 当一个开关
Python 的 int 是任意精度整数，底层以二进制位存储，天然适合做位向量。你不需要额外库，也不用申请数组或列表——一个 int 就能存成千上万个开关，内存只取决于最高位位置（比如第 100 万位被设为 1，这个 int 占约 125 KB，远小于百万个 bool 的 100 MB）。
核心操作就是位运算：|= 开关置 1，&= ~ 置 0，& 查询是否为 1。
常见错误：用 list[bool] 或 array.array('b') 存百万级开关，内存爆炸且缓存不友好；或者误以为 int 有固定 32/64 位限制，其实 Python int 会自动扩展。
- 设第
n位为开：flags |= (1 - 关第
n位：flags &= ~(1 - 查第
n位：(flags & (1 -
n从 0 开始计数，最大支持位数无硬限制，但注意1 在 <code>n极大时构造开销略增
避免 1 溢出或性能抖动的实操细节
不是所有 n 都适合直接写 1 ：当 <code>n 超过几千万，临时构造大整数会有微小延迟（虽仍远快于分配列表），且容易因误算导致逻辑错位。
立即学习“Python免费学习笔记（深入）”；
更稳的做法是预计算掩码或封装函数，尤其当你反复操作同一组位索引时：
- 用
flags.bit_length()查当前最高有效位，比遍历range(n)更准 - 批量设置多个位？用
flags |= mask，其中mask是提前算好的整数（如(1 ） - 避免在循环里重复写
1 —— 提前生成掩码列表或用位移缓存 - 注意：负数索引不生效，
1 报 <code>ValueError
和 bytearray / array.array 对比时的真实内存账
有人觉得 bytearray 更“底层”，其实对纯开关场景是浪费：一个 bytearray 存 8 个开关要 1 字节，而 int 存同样 8 个开关只需几个字节（哪怕只用低 8 位，Python int 的头部开销也远小于每字节管理成本）。
实测：存 100 万个开关，int 占约 125 KB；bytearray(125000) 占 125 KB（刚好）；但 array.array('b', [0]*1000000) 占约 1.1 MB（每个 int 元素带对象头）；[False]*1000000 超过 100 MB。
- 选
int前提是开关总数固定或可预估上限（否则bit_length()不好判断容量） - 若需频繁迭代“哪些位是 1”，用
flags.bit_count()（Python 3.10+）统计总数，再配合bin(flags)[2:][::-1]找位置——但别在热循环里这么干，太慢 - 跨进程共享？
int不行，此时退回到mmap+bytearray更实际
位向量不等于万能开关：什么场景它反而变重
位向量极省内存，但不是所有“开关”都适合它。最容易忽略的是原子性与并发需求：Python 的 int 赋值是原子的，但 flags |= (1 是读-改-写三步，在多线程下会丢更新。
- 单线程、初始化后只读？位向量完美
- 需要多线程安全地开关？必须加
threading.Lock，或者直接换threading.Event/asyncio.Event - 开关状态要持久化到磁盘？
int可用flags.to_bytes((flags.bit_length() + 7) // 8, 'little')序列化，但不如bytearray直观易调试 - 动态增删开关数量？位向量得重算整个
int，不如用set（内存稍高但逻辑清晰）
真正省下来的不是代码行数，是那个被你忘了关掉的 list[bool] —— 它可能正悄悄吃掉你 90% 的内存预算。
