位图算法，内存中连续的二进制位bit，用于对大量整型数据做去重和查询。
举个例子，给定一块长度是10bit的内存空间，依次插入4，3，2，1，怎么存储？
1. 给定长度是10的bitmap，每一个bit位分别对应着从0到9的10个整型数。此时bitmap的所有位都是0。
2. 把整型数4存入bitmap，对应存储的位置就是下标为4的位置，将此bit置为1。
3. 把整型数2存入bitmap，对应存储的位置就是下标为2的位置，将此bit置为1。
4. 把整型数1存入bitmap，对应存储的位置就是下标为1的位置，将此bit置为1。
5. 把整型数3存入bitmap，对应存储的位置就是下标为3的位置，将此bit置为1。
Bitmap不仅方便查询，还可以去除掉重复的整型数。
使用场景：
开发一个用户画像系统，实现用户信息的标签化。用户标签包含用户的社会属性，生活习惯，消费行为。
通过用户标签，实现多样的用户群体统计，统计用户的男女比例，统计喜欢旅游的用户数量等。
1. 建立用户名和用户ID的映射： 1->me 2->you 3->he
2.让每一个标签存储包含此标签的所有用户ID，每一个标签都是一个独立的Bitmap。
男[1,2] 女[3] 爱旅游[2] 程序员[1,2]
3. 这样，实现用户的去重和查询统计，就变得一目了然：
Bitmap在做交集和并集运算的时候也有极大的便利。位运算的高性能。
男性的程序员 110&110=110
不能做非运算，并不是除了1,2的其他都是女性，其实只有3是女性。除非提供一个全量的Bitmap，做异或即可。
一个很长的Bitmap里使用率低的话很浪费空间。
谷歌所实现的EWAHCompressedBitmap中，对存储空间做了优化：
<dependency> <groupId>com.googlecode.javaewah</groupId> <artifactId>JavaEWAH</artifactId> <version>1.1.0</version> </dependency>