https://blog.51cto.com/sbp810050504/category6.html
https://www.cnblogs.com/forfuture1978/archive/2010/06/13/1757479.html
https://www.cnblogs.com/forfuture1978/p/3945755.html
https://juejin.cn/post/7166059264942243876
Lucene单值压缩
https://juejin.cn/post/7163560186823573517 lucene中所有的对单值(int,long,float.double)的压缩算法,可以一种类型针对不同场景有多种压缩算法,不过是什么类型的数值,在计算机中存储都是二进制存储,对其进行压缩或者编码,其实就是只保留有效信息,什么是有效信息,就是哪些bit位上面是1,所以所有的压缩编码都是设计一种策略,只保留有效信息,并且能够解码或者解压缩
- vint编码: vint是对int类型进行压缩编码,vint中的v指的是variant(可变的),也就是vint编码的int存储空间的大小是以字节为单位的变长大小,vint编码结果中的每个字节分为两个部分: (1)第一位:标记位,如果是1,表示后面的字节也属于当前value的Vint编码结果,如果是0,则表示当前value的vint编码结果结束 (2)剩下的7位:数据位,vint中所有的字节的低7位合起来就是完整的value的值 int 1314: 00000000 00000000 00000101 00100010 vint 1314: 10100010 00001010 vint编码只对正数有压缩作用 -10 编码: 11111111 11111111 11111111 11110110 11110110 11111111 11111111 11111111 00001111。 -10的vint编码需要5个字节。
public final void writeVInt(int i) throws IOException {
// 如果i的最低7位置0后i非0
while ((i & ~0x7F) != 0) {
// i & 0x7F:取最低7位
// | 0x80 为flag为置1
writeByte((byte) ((i & 0x7F) | 0x80));
// i 右移7位
i >>>= 7;
}
// 剩下不足7位的
writeByte((byte) i);
}
解码:
public int readVInt() throws IOException {
byte b = readByte();
// 如果 b >= 0, 说明flag位是0,当前要读的值只有一个字节。
if (b >= 0) return b;
int i = b & 0x7F;
b = readByte();
i |= (b & 0x7F) << 7;
if (b >= 0) return i;
b = readByte();
i |= (b & 0x7F) << 14;
if (b >= 0) return i;
b = readByte();
i |= (b & 0x7F) << 21;
if (b >= 0) return i;
b = readByte();
// 最后一个字节最多只有4位是有效的
i |= (b & 0x0F) << 28;
// 如果最后一个字节只有低四位有效,则说明格式正确
if ((b & 0xF0) == 0) return i;
throw new IOException("Invalid vInt detected (too many bits)");
}
vlong 类型的变长编码原理同vint
ZigZag编码
zigzag是一种编码方式,可以用于int和long,原理一模一样 编码
public static int zigZagEncode(int i) {
// (i >> 31):处理符号位,把所有的位都设置为符号位,等待和0(数据位左移1位空出来的0)做异或,就能保留符号位在最后一位
// (i << 1):处理数据位,数据为左移1位,把最后一位用来存符号位,其他数据为都和符号位做异或编码
return (i >> 31) ^ (i << 1);
}
解码
public static int zigZagDecode(int i) {
// (i >>> 1):还原数据位,最后和符号位做异或解码
// -(i & 1):还原符号位,i的最后一位是符号位,该表达式把每一位都设置为符号位
return ((i >>> 1) ^ -(i & 1));
}
Lucene多值编码压缩算法
在lucene中,涉及到索引文件生成的时候,会看到比较多的PackedInts.Encoder,PackedWriter,DirectWriter,DirectMonotonicWriter等等对多个Long进行压缩编码解码的使用,下面主要是Lucene中对正整数(int或Long)数组压缩编码和解码的方式 虽然限制了只对正整数有用,但是其它数值可以通过一些转化,先转化成正整数,然后再使用本文介绍的压缩编码,比如,负整数可以通过zigzag先做一次编码,float或者double可以通过把二进制int或者long来解析进行预处理