Bitmap/HLL 数据格式

Bitmap 格式

格式说明

Doris 中的bitmap 采用的是roaring bitmap 存储， be 端使用CRoaring，Roaring 的序列化格式在C++/java/go 等语言中兼容， 而C++ Roaring64Map 的格式序列化结果和Java中Roaring64NavigableMap 不兼容。Doris bimap 有5种类型， 分别用一个字节表示

Doris 中的bitmap 序列化格式说明如下:

 | flag     | data .....|
 <--1Byte--><--n bytes-->

Flag 值说明如下：

值	描述
0	EMPTY，空 bitmap, 后面data 部分为空，整个序列化结果只有一个字节
1	SINGLE32，bitmap 中只有一个32位无符号整型值， 后面4个字节表示32位无符号整型值
2	BITMAP32，32 位bitmap 对应java 中类型为 org.roaringbitmap.RoaringBitmap C++ 中类型为roaring::Roaring， 后面data 为roaring::Roaring 序列后的结构， 可以使用java 中的 org.roaringbitmap.RoaringBitmap 或c++中roaring::Roaring 直接反序列化
3	SINGLE64 ,bitmap 中只有一个64位无符号整型值，后面8个字节表示64位无符号整型值
4	BITMAP64, 64 位bitmap 对应java 中类型为 org.roaringbitmap.RoaringBitmap; c++ 中类型为doris 中的Roaring64Map，数据结构和 roaring 库中的结果一致，但是序列化和反序列话方法有所不同，后面会有1-8个字节的变长编码的uint64 的表述bitmap 中size。后面的数据是各式是多个 4个字节的高位表示和32位 roaring bitmap 序列化数据重复而成
5	SET, 当 bitmap 的值的个数在1和32之间时, 实际的存储类型是 hashset. 数据结构是: 一个字节代表值的个数, 后面跟着所有值（每个值的长度是8字节）。

c++ 序列化和反序列化的示例 在 be/src/util/bitmap_value.h 的BitmapValue::write() BitmapValue::deserialize() 方法中, Java示例在 fe/fe-common/src/main/java/org/apache/doris/common/io/BitmapValue.java 中的serialize() deserialize() 方法中。

HLL 格式说明

HLL 格式序列化数据在Doris 中自己实现的。同Bitmap 类型类似，HLL 格式是1个字节的flag 后面跟随多个字节数据组成，flag 含义如下

值	描述
0	HLL_DATA_EMPTY，空 HLL, 后面data 部分为空，整个序列化结果只有一个字节
1	HLL_DATA_EXPLICIT， 后面1个字节 explicit 数据块个数，后面接多个数据块，每个数据块由8个字节长度和数据组成，
2	HLL_DATA_SPARSE，只存非0 值，后面4个字节 表示 register 个数， 后面连续多个 register 结构，每个register 由前面2个字节的index 和1个字节的值组成
3	HLL_DATA_FULL ,表示所有16 * 1024个register都有值， 后面连续16 * 1024个字节的值数据

c++ 序列化和反序列化的示例 在 be/src/olap/hll.h 的serialize() deserialize() 方法中, Java示例在 fe/fe-common/src/main/java/org/apache/doris/common/io/hll.java 中的serialize() deserialize() 方法中。