位运算实现高效位数组交并集需确保字长、总位数和内存布局完全一致，否则易出错；应避免std::bitset隐式拷贝，采用原地操作、分块跳过全零字及运行时CPU特性检测等优化手段。
用位运算直接对齐字长做 & 和 |
交集就是 &，并集就是 |，前提是两个位数组底层存储结构完全一致：相同字长（如都是 uint64_t）、相同总位数、相同内存布局。一旦对齐，单条指令就能处理 64 个 bit，比逐 bit 比较快 64 倍。
常见错误是拿 std::bitset 和自定义 uint64_t buf[16] 直接运算——它们内存不连续或对齐方式不同，会出错或崩溃。
- 必须确保两个位数组都按
uint64_t分块，且块数相等（不足补零） - 用
reinterpret_cast强转指针前，先检查alignof(uint64_t)和实际地址是否对齐，否则触发未定义行为 - 若总位数不是 64 的倍数，最后一块需掩码处理：比如共 100 位，则第 16 块只用低 36 位，计算后 & 上
0x0000000F'FFFFFFFF
避免 std::bitset::operator& 的隐式拷贝开销
std::bitset 的 operator& 返回新对象，内部调用 std::array 的逐字复制；在循环中高频调用（如每帧算一次交集）会导致明显 cache miss 和分配抖动。
更高效的做法是手写原地操作函数：
立即学习“C++免费学习笔记（深入）”；
void bitwise_and_inplace(uint64_t* dst, const uint64_t* src, size_t n_words) {
for (size_t i = 0; i < n_words; ++i) {
dst[i] &= src[i];
}
}- 传入
dst和src指针，不构造临时对象 - 编译器能自动向量化（GCC/Clang 加
-O2 -mavx2后常生成vandpd指令） - 若
n_words很大（>1024），可分段加prefetch：对src[i+4]提前加载
稀疏场景下用 popcnt + 分块跳过全零字
当两个位数组都极稀疏（比如 1M 位中只有几十个 1），直接扫全部字很浪费。先用 __builtin_popcountll 快速判零，跳过全零块。
交集结果必然只出现在双方都非零的字里；并集则只需合并非零字索引再去重。
- 对每个字调用
if (__builtin_popcountll(a[i]) && __builtin_popcountll(b[i]))再计算交集 - 现代 CPU 上
popcnt指令延迟仅 1–3 cycle，远低于访存延迟 - 注意：
__builtin_popcountll(0)安全，无需额外判零；但 MSVC 的_mm_popcnt_u64需启用/arch:AVX2
跨平台兼容时慎用 BMI1/BMI2 指令
像 _tzcnt_u64（找最低置位）或 _pdep_u64（并行位展开）虽快，但依赖 CPU 支持。在无 BMI 的机器（如老款 Intel Core2 或部分 AMD APU）上会 crash。
生产环境建议 fallback 到 portable 实现：
- 检测运行时 CPU 特性：
__builtin_ia32_cpu_supports("bmi1")（GCC 12+）或用cpuid指令手动查 - 交集逻辑本身不依赖 BMI；只有“提取交集位置列表”才需要 CTZ 类指令
- 若只求布尔结果（“是否有交集？”），用
!((a & b) == 0)即可，连 popcnt 都不用
最易被忽略的是：位数组长度不对齐时，最后一块的高位 padding bit 必须清零，否则 & 可能误触发高位 1 导致交集结果污染——这在调试时很难复现，尤其当测试数据刚好避开 padding 区域。
