數據壓縮算法

1. varint (數字)

1.1 評價

數字壓縮算法
算法邏輯:每個字節的首bit代表是否還需要下一位(0表示不需要,1表示需要),每個字節的可用位為7位

1.2 優缺

優點:對于int類型數值較小的數起到壓縮作用,比如,2的(3*7)次方以下的數字都能起到壓縮作用,由于實際傳輸過程中,我們大多用到的都是小類型的int數值,故這種方法能起到壓縮字符的作用。

缺點

  1. 對于數值較大的數字,比如int類型,2的(4*7)次方以上的數字是需要5個字節來表示。
  2. 對于負值,如-1,本質上首位為1導致數極大,必須要5個字節才能表示。

1.3編碼與解析(java)

32位加密算法:

static void write32ForVarint(int value,byte[] buffer,int position){
        while (true) {
            if ((value & ~0x7F) == 0) {
                buffer[position++] = (byte) value;
                return ;
            } else {
                buffer[position++] = (byte) ((value & 0x7F) | 0x80);//|0x80代表首位bit置1
                value >>>= 7;
            }
        }
    }

32位解密算法:

static int read32ForVarint(byte[] buffer,int position){
        int result = 0;
        for (int shift = 0; shift < 32; shift += 7) {//這個32 可以寫29反正只要大于或等于28就行。
            final byte b = buffer[position++];
            result |= (long) (b & 0x7F) << shift;
            if ((b & 0x80) == 0) {
                return result;
            }
        }
        return -1;
    }

2. zigzag (數字)

2.1 評價

數字壓縮算法
由于表示負數時,varint花費的字節太大,所以需要一種彌補辦法,來解決這種沖突!
由于考慮到varint之所以表示負數占用字節大,主要因為負數表示方法是首位且為1,而varint一般從末尾向前壓縮,所以varint壓縮負數通常很大,基于這種考慮,我們想到當數字為負數時,將首位挪到尾位,并按位取反把1全部變為0。最后在按照varint壓縮字節,這樣就能夠使得我們可以用少量的字節表示值小的負數。

2.2 優缺

優點:相較于varint,能夠用少量字節表示負數。
缺點:對于數值大的的正數或特別小的負數仍然需要大很多的字節數,且解析相較于varint需要更多邏輯。

2.3編碼與解析(java)

編碼: 先轉換int,然后在帶入varint編碼

static int transform32ForZigzag(int num){
    return (num << 1) ^ (num >> 31);//看清楚"^" 在java代表抑或的意思
}

解碼:先用varint解碼,然后轉換int

static int detransform32ForZigzag(int num){
    return (num >>> 1) ^ -(num & 1);
}

3. UTF-8變長方案

3.1評價

字符編碼方案

對于某一個字符的UTF-8編碼,如果只有一個字節則其最高二進制位為0;如果是多字節,其第一個字節從最高位開始,連續的二進制位值為1的個數決定了其編碼的位數,其余各字節均以10開頭。UTF-8最多可用到6個字節。
如表:
1字節 0xxxxxxx
2字節 110xxxxx 10xxxxxx
3字節 1110xxxx 10xxxxxx 10xxxxxx
4字節 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字節 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字節 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
因此UTF-8中可以用來表示字符編碼的實際位數最多有31位,即上表中x所表示的位。除去那些控制位(每字節開頭的10等),這些x表示的位與UNICODE編碼是一一對應的,位高低順序也相同。
整個方案顯得特別的臃腫,很難理解是什么考慮下回用到這種臃腫的方案,簡直讓人窒息!

3.2優缺

優點:幾乎統一了編碼
缺點:臃腫的讓人窒息

3.3編解碼

解碼

static int encode(int unicode,byte[] bytes,int position){
  if(unicode < (int)Math.pow(2,7)){
      bytes[position++] = (byte)unicode & 0x7f;
      return position;
  }
  else if(unicode < (int)Math.pow(2,5+6)){
      byte[position++] = (byte)(unicode & 0xbf | 0x80);
      byte[position++] = (byte)(unicode >> 6) & 0x1f | 0xdf ;
      return position;
  }
  else if 
    //some code
}

編碼:

static String utf8Decode (byte[] bytes){
  char[] chars = new char[bytes.length];//最多不可能超過bytes.length
int charsLen = 0;
  for(int i=0;i<bytes.length;i++){
      byte tmp = bytes[i];
      if(tmp & 0x80 == 0x80){
          chars[charsLen++] = bytes[i] & 0x3f;
      } else {
          //some code
      }
  }
}

4. MQTT剩余長度方案 (數字)

4.1介紹

和varint方案基本一致,最高位做符號位,符號位1表示最高位為前面還有值,否則為0,則表示結束

字節數 最小值 最大值
1 0 (0x00) 127 (0x7F)
2 128 (0x80, 0x01) 16 383 (0xFF, 0x7F)
3 16 384 (0x80, 0x80, 0x01) 2 097 151 (0xFF, 0xFF, 0x7F)
4 2 097 152 (0x80, 0x80, 0x80, 0x01) 268 435 455 (0xFF, 0xFF, 0xFF, 0x7F)

分別表示(每個字節的低7位用于編碼數據,最高位是標志位)

4.2優缺

和varint一樣

4.3編解碼

netty解碼:

int remainingLength = 0;//剩下長度
int multiplier = 1;
short digit;
int loops = 0;
    do {
    digit = buffer.readUnsignedByte();//讀取一個無符號的byte用short來存;
    remainingLength += (digit & 127) * multiplier;
    multiplier *= 128;
    loops++;
} while ((digit & 128) != 0 && loops < 4);

參考:

  1. 詳細談了 zigzag 算法
  2. 對 protoBuf中的 varint ,zigzag算法做了介紹
  3. 詳細談了 protoBuf中varint,zigzag的優點和缺點等
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。

推薦閱讀更多精彩內容