位运算优化实战：从3秒到300毫秒的性能提升

1. 项目背景与问题场景

上周review同事代码时发现一个有趣的现象：原本需要3秒执行的统计函数，被改成位运算后直接降到300毫秒内。这种性能优化手段在数据处理密集型场景特别实用，今天我们就来拆解这个"魔法"背后的原理。

在实际开发中，经常会遇到这样的场景：需要快速判断一个数是否是2的幂次方，或是需要高效计算两个集合的交集。这类操作如果采用常规的算术运算或集合操作，往往会产生不必要的性能开销。而位运算中的与运算（AND），就像是一把瑞士军刀，能以接近硬件层面的效率解决这些问题。

2. 位运算基础回顾

2.1 与运算的核心特性

与运算（&）的规则非常简单：两个位都为1时结果才为1，否则为0。这个看似简单的特性却蕴含着强大的能力：

python复制# 基本与运算示例
0b1100 & 0b1010 = 0b1000  # 十进制 12 & 10 = 8

2.2 与运算的三大实用特性

1. 清零特性：任何位与0相与都会被清零

   python复制x & 0 = 0  # 所有位清零
   

2. 保留特性：任何位与1相与会保留原值

   python复制x & 1 = x  # 保留最后一位
   

3. 奇偶判断：x & 1可以快速判断奇偶

   python复制5 & 1 = 1  # 奇数
   6 & 1 = 0  # 偶数
   

3. 实战优化案例解析

3.1 案例一：判断2的幂次方

原始实现：

python复制def is_power_of_two(n):
    if n <= 0:
        return False
    while n % 2 == 0:
        n = n / 2
    return n == 1

位运算优化版：

python复制def is_power_of_two(n):
    return n > 0 and (n & (n - 1)) == 0

原理分析：
2的幂次方的二进制表示只有一个1（如8=1000）。当n-1时，所有低位变为1（7=0111）。两者相与结果必为0。

性能对比：测试10