Bitmap实现亿级用户精准去重的关键在于用户ID整数映射、分片落盘、原子写入与生命周期管理，而非仅存储能力；需确保映射无损、并发安全、查询准确、合并高效。
用 bitmap 实现全站数亿级用户运行期精准去重，关键不在“能不能存下”，而在于“怎么映射得准、写得稳、查得快、合得对”。它不是简单调个 setbit 就完事，而是要围绕用户 id 的特性、系统吞吐压力和数据时效性做一整套工程设计。
用户 ID 必须能转成非负整数且值域可控
Bitmap 本质是用 bit 位索引数字，所以原始用户标识（比如字符串 UID、UUID、带符号 long）必须无损映射为 0～N 范围内的 uint32 或 uint64。常见做法：
- 若业务已用自增 int 用户 ID（如 1～3.5 亿），直接使用，偏移量 = ID - 1；
- 若用 64 位雪花 ID，取低 32 位（需评估冲突概率）或高位哈希分片后取模；
- 若用字符串 UID，必须先过一致性哈希（如 Murmur3）→ 得到 32 位 hash 值 → 再映射到有效范围；
- 严禁直接用
Math.abs(uid.hashCode())，负溢出或碰撞高会导致去重失效。
单机内存扛不住？必须分片 + 异步落盘
3 亿用户对应 Bitmap 约需 37.5 MB（3e8 ÷ 8 ÷ 1024²），看似不大，但真实场景中需同时维护：昨日 UV、近 7 天活跃、实时会话、设备指纹等多张 Bitmap，还可能按省份/渠道/版本切片。此时应：
- 按高位分片：例如取用户 ID 的高 8 位（
uid >> 24）作为分片号，生成 256 个子 Bitmap； - 每个子 Bitmap 独立管理内存，达到 500 MB 阈值时，立刻序列化为二进制文件写磁盘（不等全量结束）；
- 查询时按分片路由，合并结果用
BITOP OR（Redis）或并行|=（本地 C++/Java）； - 避免单 key 存超 512 MB —— Redis String 有硬上限，超限写入失败且无提示。
并发写入必须原子，否则丢位
高并发注册或埋点场景下，多个线程/进程同时 SETBIT user:uv:20260603 123456789 1，若底层非原子，会导致某次写被覆盖，造成漏计。保障方式：
- Redis 场景：所有
SETBIT、GETBIT、BITCOUNT均为服务端原子操作，无需额外加锁； - 本地内存 Bitmap（如 Java/C++）：不能用
byte[]直接位操作，必须用AtomicLongArray或std::atomic<uint64_t>数组，set 时用fetch_or，get 时用load+ 位与； - 禁止用
Vector<Boolean>或BitSet（非线程安全）承载实时写入流。
需要精确去重结果？别只靠 BITCOUNT
BITCOUNT 返回的是当前 Bitmap 中 1 的个数，但它无法区分“刚写入的活跃用户”和“上周遗留未清理的脏位”。生产环境必须配套生命周期管理：
- 每日零点自动
DEL user:uv:20260602（TTL 不可靠，异步删除可能延迟）； - 对长期统计（如周活），用
BITOP OR destkey uv:day1 uv:day2 ... uv:day7合并，再BITCOUNT，不依赖单日 key 的完整性； - 若需回溯某用户是否在某天活跃，必须保留原始日粒度 Bitmap 至少 30 天，不可仅存聚合结果；
- 上线前用小流量比对：Bitmap UV vs Hive 全量去重 count(distinct uid)，误差率应稳定 ≤ 0.001%。
