位操作替代布尔数组可显著节省内存并加速运算，关键在于绕开数组直接操作位，如用uint16存16个布尔值、位掩码判断、CPU指令批量处理、按场景选密集型或稀疏型位结构，并避免边界检查和字符串转换等低效陷阱。
直接用位操作替代布尔数组，能大幅减少内存占用和提升运算速度。关键不是“怎么转”，而是“绕开数组”——多数场景下，你真正需要的只是判断某一位是否为1，或批量检查、设置、翻转若干位。
用整数代替 bool[] 存储状态
一个 uint16 就能存 16 个布尔值，而 bool[16] 至少占 16 字节（128 位）。比如错误码解析：不生成 bool[16]，直接对原始整数做位掩码判断：
- (errorCode & (1u → 检查最高位（原数组索引 0）
- (errorCode & (1u → 检查最低位（原数组索引 15）
- 反转顺序？只需改索引计算方式，无需真实反转数组
批量操作交给 CPU 指令完成
对成百上千位做“与/或/异或/取反”，别写 for 循环。现代 CPU 的位指令（如 ANDPS、PAND）可单周期处理 64 位甚至更多：
- C++ std::bitset 的
&运算，底层是几个机器指令，比循环快几十倍 - Go 的 bitarray 稀疏型支持超大索引（如 100 万），但只存有置位的块，内存几乎不随范围线性增长
- Redis 的 BITOP AND 命令可在毫秒内完成百万级位交集
按需选择位结构类型
没有“万能位数组”，选型取决于数据特征：
- 固定范围+高密度（如设备状态寄存器、权限掩码）→ 用 密集型 bitset（C++ bitset / Swift BitArray / C# BitArray）
- 范围极大+稀疏置位（如用户活跃天数、ID 集合）→ 用 稀疏型 bitarray（Go sparse_bitarray / Redis bitmap）
-
动态长度+频繁增删 → 谨慎评估，位结构通常不擅长动态扩容，此时 vector
或布尔切片可能更实际
避免常见低效陷阱
有些看似简洁的操作，实际隐藏性能损耗：
- 反复调用
boolArray[i] = true→ 每次都触发边界检查和内存写入，不如一次性用|= (1u - 用
ToString("b")或字符串拼接调试位状态 → 字符串分配开销远大于位运算本身 - 把 byte 转成 bool[8] 再处理 → 多余中间对象，直接用
(b & 0x01) == 1判断最低位
