std::bitset 的位运算符是编译期并行的，需 constexpr 位宽；超 64KB 易栈溢出，应改用对齐 vector 或 AVX2 加速，末尾掩码和内存对齐不可或缺。
std::bitset 的 & | ^ 就是并行的，但必须满足编译期常量位宽
只要你用 std::bitset<n></n>（N 是 constexpr），它的 operator&、operator|、operator^ 就会自动拆成若干个 uint64_t 块，每块调一条 CPU 原生指令完成运算——不是循环，更不是逐 bit 判断。比如 std::bitset 在 64 位系统上会被编译器展开为约 157 次 and 指令，而非 10000 次分支。
- 错误写法：
int n = 10000; std::bitset<n> b;</n>→ 编译失败，“n is not a constant expression” - 正确写法：
constexpr size_t N = 10000; std::bitset<n> a, b; auto c = a & b;</n> - 别用
for (size_t i = 0; i —— 这直接退化为标量逻辑，性能跌 10 倍以上
超大位宽（>64KB）时，std::bitset 会栈溢出，得换 vector + 对齐 + 掩码
当 N > 65536，部分编译器（尤其是旧版 MSVC）可能把 std::bitset 放栈上导致溢出；即使不溢出，其内部布局也不保证 64 字节对齐，缓存行跨界读写会拖慢 10%~20%。
- 用
alignas(64) std::vector<uint64_t> data;</uint64_t>替代，或手动aligned_alloc(64, bytes) - 计算字数：
size_t words = (n_bits + 63) / 64; - 末尾掩码必不可少：若
n_bits % 64 != 0，最后一块只用低n_bits % 64位，需&= (1ULL - 务必先
assert(other.size() == this->size())，否则越界读是静默崩溃高发点
想再快一点？AVX2 并行 and/or 只对齐内存有效，且末尾仍要标量回退
_mm256_and_si256 一次处理 32 字节（256 位），比标量 uint64_t 循环快 3~5 倍，但前提是地址 32 字节对齐。不对齐就得用 _mm256_loadu_si256，性能掉 15%~20%。
- 分配时强制对齐：
uint8_t* ptr = static_cast<uint8_t>(aligned_alloc(32, total_bytes));</uint8_t> - 主循环按 32 字节步进：
for (size_t i = 0; i - 剩余不足 32 字节的部分，必须回退到
uint64_t或uint32_t标量循环，不能强行用 AVX2 跨界读 - 末尾 bit 掩码不能省：构造动态 mask 并
_mm256_and_si256(v, mask)，否则高位脏数据污染结果
std::vector 是陷阱，永远别在交并集中用它
std::vector<bool></bool> 是特化容器，operator[] 返回 proxy reference，每次访问都涉及位提取 + 掩码 + 写回，编译器根本无法向量化；std::transform 等算法会退化为单 bit 操作，速度比 std::vector<uint64_t></uint64_t> 慢 10 倍以上。
立即学习“C++免费学习笔记（深入）”；
- 真要动态大小，封装
std::vector<uint64_t></uint64_t>+size_t n_bits字段，自己实现and_inplace、or_inplace - 避免混用不同长度结构体做交集——尾部掩码逻辑不同，会导致高位误清或未清
- 交并集本身无状态、无依赖，适合 in-place 原地操作，别反复构造新对象
末尾掩码和内存对齐不是“优化选项”，而是正确性的前提；一旦漏掉，结果在小测试用例里看似正常，上线后在高位 bit 上随机出错。
