当前位置： 首页 > news >正文

倒排表的压缩算法

news 2025/10/24 19:31:06

For压缩算法

这是倒排表的一种压缩算法。

还是那个问题，如果"小米" 这个词项，在多文档里都有，则就会导致倒排表很大，这时候就会设计到了压缩算法，这里说的是，倒排表。

那末我们来看看 for压缩算法是怎么压缩数据呢？其实你可以理解为它是将posting list（无论数字多大都是用int去存的） 转换为一个差值list   （deltas list）去存的，也就是我们之前存的不是文件id吗，这回我们去存和前一个的差值，这样是不是存的这个数就会变小，那这样我们需要的位数是不是就会变小，靠这个来压缩我们的函数

不如说上边这个 我们得到一个差值集合之后呢

发现就可以用8位去存储这些数，这样是不是跟用int去存储就变小了

但是呢，我们又发现 比如 2 这个 数字用8位去存储是不是又浪费了

我们可以在保证顺序的时候去分 在2那分成一半一半把

细心的同学又发现了，为什么不把单独的数 拎出来那么分呢？2分5字节这不还浪费吗。

但是除了要保证高效的压缩方法，还要保证快速的解码啊，我们最终还得恢复成最原来的那个倒排表。我们每块数组用了几个数组，也是要记录在磁盘上的，如果我们一个一个差这会导致这个记录又浪费了空间。这个记录呢占用1个字节

那具体这个数组拆分到什么程度，如果这个数组足够稠密的时候，就不用拆了，就是说这一块的数字特别都比较接近。这个也是动态计算出来的。

RBM压缩算法

如果数值不密集，也就是说你一个很大一个很小，这时候我们就用RBM压缩算法。

我们这时候就不用减法了，我们用除法

 

因为我们int类型是32位。我们把32位这么看，一个高16位（商），一个低16位（余数）

所以我们先把每个数除以65536也就是2^16 得到一个除数和一个余数。我们就把一个大数换成了两个小数。

那么这两个数是怎么存储起来的。其实是用Container存的

我们把那个商作为一个key 用short方法去存储

然后余数存在对应key 所对应的容器之中。

如图你就知道了

Container 包括三种container

arraycontainer  我们的上述例子就是用的这个容器

Bitmapcontainer  这个占用的空间永远位8kb

Runcontainer

这三种容器可以自己去学习

相关文章：

倒排表的压缩算法

For压缩算法 这是倒排表的一种压缩算法。 还是那个问题，如果"小米" 这个词项，在多文档里都有，则就会导致倒排表很大，这时候就会设计到了压缩算法，这里说的是，倒排表。 那末我们来看看 for压缩…...

编程日记 2023/9/6 10:17:04

Android studio实现自定义圆形进度条 带刻度进度条 计步效果 时速表 水波纹效果

目录 原文链接效果图values /layout /activity原文链接 效果图 点击重置后： 该项目总共实现了三种圆形进度条效果 CircleProgress：圆形进度条，可以实现仿 QQ 健康计步器的效果，支持配置进度条背景色、宽度、起始角度，支持进度条渐变DialProgress：类似 CircleProgress，…...

编程日记 2023/9/6 10:16:02

使用【宝塔+docker】在云服务器上部署基于SpringBoot 和 Dubbo RPC 的项目：踩坑记录

待部署的项目包括：前端front，服务提供者backend，服务消费者gateway，注册中心nacos 服务器信息：腾讯云入门级服务器2核2G（后续有对服务器进行升级） 部署工具：前端使用宝塔部署&#x…...

编程日记 2023/9/6 10:14:59

【算法与数据结构】617、LeetCode合并二叉树

文章目录 一、题目二、解法三、完整代码 所有的LeetCode题解索引，可以看这篇文章——【算法和数据结构】LeetCode题解。 一、题目 二、解法 思路分析：采用递归的方式遍历二叉树，【算法与数据结构】144、94、145LeetCode二叉树的前中后遍历&am…...

编程日记 2023/9/6 10:13:57

ffmpeg把RTSP流分段录制成MP4，如果能把ffmpeg.exe改成ffmpeg.dll用，那音视频开发的难度直接就降一个维度啊

比如，原来我们要用ffmpeg录一段RTSP视频流转成MP4，我们有两种方案： 方案一：可以使用以下命令将rtsp流分段存储为mp4文件 ffmpeg -i rtsp://example.com/stream -vcodec copy -acodec aac -f segment -segment_time 3600 -reset_t…...

编程日记 2023/9/6 10:12:54

朝夕光年游戏自动化测试实践

朝夕光年是面向全球用户与开发者的游戏研发与发行业务品牌，致力于服务全球玩家，帮助玩家在令人惊叹的虚拟世界中一起玩耍与创造。 在游戏的研发过程中，游戏自动化一直是开展难度较大的工程，具体包括机房机架、设备调度、软件框架、…...

编程日记 2023/9/6 10:11:50

数据结构基本概念

一、数据 数据对象-数据元素-数据项(属性)，前者由后者组成 二、数据结构 定义：按某种关系的数据元素的集合 三、数据类型 1、原子类型（例如整型） 2、结构类型（由原子类型组成，例如数组） 3、…...

编程日记 2023/9/6 10:10:42

【javaweb】学习日记Day9 - Mybatis 基础操作

目录 一、删除 （1）在mapper接口执行sql删除语句 ① 注解后sql语句没有提示怎么办？ （2）测试层 （3）开启mybatis日志 （4）预编译SQL 二、新增 （1&#…...

编程日记 2023/9/6 10:09:40

Mybatis学习|Mybatis缓存：一级缓存、二级缓存

Mybatis缓存 MyBatis包含一个非常强大的查询缓存特性，它可以非常方便地定制和配置缓存。缓存可以极大的提升查询效率。 MyBatis系统中默认定义了两级缓存:一级缓存和二级缓存 默认情况下，只有一级缓存开启。(SqlSession级别的缓存，也称为本地…...

编程日记 2023/9/6 10:08:38

230903文本docx

处理文本 块级项目,每次文本超出右边界时都会添加一行.对段落,边界一般是页边距,但如果按列布局页,则也可是列边界,如果表格单元格内有段,则也可是单元格边界. 块级项属性指定其在页上的位置,如缩进项及段落前后间距.内联项属性一般指定显示内容的如字样,字体大小,粗体和斜体…...

编程日记 2023/9/6 10:07:36

Mysql-DML(数据处理语言)

-- 插入数据 insert into member values(1,张三,21,5000); insert into member(id,name) values(2,李四); insert into member values(3,王五,23,3000) ,(4,纪六,24,4000) ,(5,查七,25,5000); -- 更新（修改数据) 不加限制条件 该字段全部修改 update member set age…...

编程日记 2023/9/6 10:06:34

部署项目至服务器

安装conda https://zhuanlan.zhihu.com/p/489499097 个人租借的服务器如何进行端口的开放呢？ 防火墙设置： 添加规则设置： 即可； 通常下租借的服务器没有防火墙设置 相关链接： https://blog.csdn.net/weixin_4520…...

编程日记 2023/9/6 10:05:33

OSI与TCP IP各层的结构与功能,都有哪些协议

分析&回答 OSI七层模型 层功能TCP/IP协议族应用层文件传输，电子邮件，文件服务，虚拟终端TFTP，HTTP，SNMP，FTP，SMTP，DNS，Telnet表示层数据格式化，代码转换…...

编程日记 2023/9/6 10:04:31

【2023年11月第四版教材】第10章《进度管理》（第三部分）

第10章《进度管理》（第三部分） 7 估算活动持续时间7.1 估算活动持续时间7.2 类比估算★★★7.3 参数估算★★★7.4 三点估算★★★7.5 数据分析★★★ 7 估算活动持续时间 组过程输入工具和技术输出计划4,估算活动持续时间1.项目管理计划（进…...

编程日记 2023/9/6 10:03:30

【Vuex状态管理】Vuex的基本使用；核心概念State、Getters、Mutations、Actions、Modules的基本使用

目录 1_应用状态管理1.1_状态管理1.2_复杂的状态管理1.3_Vuex的状态管理 2_Vuex的基本使用2.1_安装2.2_创建Store2.3_组件中使用store 3_核心概念State3.1_单一状态树3.2_组件获取状态3.3_在setup中使用mapState 4_核心概念Getters4.1_getters的基本使用4.2_getters第二个参数4…...

编程日记 2023/9/6 10:02:28

Linux centos7 bash编程（循环与条件判断）

在编程训练中，循环结构与条件判断十分重要。 根据条件为真为假确定是否执行循环。 有时，根据条件的真假结果，决定执行哪些语句，这就是分支语句。 为了训练分支语句与循环语句，我们设计一个案例： 求一组…...

编程日记 2023/9/6 10:01:27

设计模式-6--装饰者模式（Decorator Pattern）

一、什么是装饰者模式（Decorator Pattern） 装饰者模式（Decorator Pattern）是一种结构型设计模式，它允许你在不修改现有对象的情况下，动态地将新功能附加到对象上。这种模式通过创建一个包装类，…...

编程日记 2023/9/6 10:00:25

质量属性案例-架构真题（二十一）

试题一 某电子商务公司升级会员与促销管理系统，向用户提交个性化服务，提高用户粘性。在项目建立之初，公司领导人一致认为目标是提升会员管理方式的灵活性，由于当前用户规模不大，用户简单，系统方面不需要做…...

编程日记 2023/9/6 9:59:23

nacos Error to process server push response

nacos2.0.3报错&#xff1a; Error to process server push response 解决办法&#xff1a; 排查项目当中有没有直接或间接依赖reflections&#xff1a; <dependency><groupId>org.reflections</groupId><artifactId>reflections</artifactId>…...

编程日记 2023/9/6 9:58:21

神经网络NLP基础 循环神经网络 LSTM

用的时候&#xff0c;只关心token的输入&#xff0c;以及hidden state就好了 sequence的length是多少&#xff0c;lstm的cell的数量就是多少 LSTM BI-LSTM stacked lstm GRU 实现...

编程日记 2023/9/6 9:57:19

＜6＞-MySQL表的增删查改

目录 一&#xff0c;create&#xff08;创建表&#xff09; 二&#xff0c;retrieve&#xff08;查询表&#xff09; 1&#xff0c;select列 2&#xff0c;where条件 三&#xff0c;update&#xff08;更新表&#xff09; 四&#xff0c;delete&#xff08;删除表&#xf…...

编程新知 2025/8/6 22:35:04

css实现圆环展示百分比，根据值动态展示所占比例

代码如下 <view class""><view class"circle-chart"><view v-if"!!num" class"pie-item" :style"{background: conic-gradient(var(--one-color) 0%,#E9E6F1 ${num}%),}"></view><view v-else …...

编程新知 2025/10/13 17:57:31

抖音增长新引擎：品融电商，一站式全案代运营领跑者

抖音增长新引擎&#xff1a;品融电商&#xff0c;一站式全案代运营领跑者 在抖音这个日活超7亿的流量汪洋中&#xff0c;品牌如何破浪前行&#xff1f;自建团队成本高、效果难控&#xff1b;碎片化运营又难成合力——这正是许多企业面临的增长困局。品融电商以「抖音全案代运营…...

编程新知 2025/10/19 7:02:34

376. Wiggle Subsequence

376. Wiggle Subsequence 代码 class Solution { public:int wiggleMaxLength(vector<int>& nums) {int n nums.size();int res 1;int prediff 0;int curdiff 0;for(int i 0;i < n-1;i){curdiff nums[i1] - nums[i];if( (prediff > 0 && curdif…...

编程新知 2025/10/21 13:03:10

c++ 面试题(1)-----深度优先搜索（DFS）实现

操作系统&#xff1a;ubuntu22.04 IDE:Visual Studio Code 编程语言&#xff1a;C11 题目描述 地上有一个 m 行 n 列的方格&#xff0c;从坐标 [0,0] 起始。一个机器人可以从某一格移动到上下左右四个格子&#xff0c;但不能进入行坐标和列坐标的数位之和大于 k 的格子。 例…...

编程新知 2025/10/14 13:55:53

论文浅尝 | 基于判别指令微调生成式大语言模型的知识图谱补全方法（ISWC2024）

笔记整理&#xff1a;刘治强&#xff0c;浙江大学硕士生&#xff0c;研究方向为知识图谱表示学习&#xff0c;大语言模型 论文链接&#xff1a;http://arxiv.org/abs/2407.16127 发表会议&#xff1a;ISWC 2024 1. 动机 传统的知识图谱补全&#xff08;KGC&#xff09;模型通过…...

编程新知 2025/10/22 1:33:13

【服务器压力测试】本地PC电脑作为服务器运行时出现卡顿和资源紧张（Windows/Linux）

要让本地PC电脑作为服务器运行时出现卡顿和资源紧张的情况&#xff0c;可以通过以下几种方式模拟或触发&#xff1a; 1. 增加CPU负载 运行大量计算密集型任务&#xff0c;例如&#xff1a; 使用多线程循环执行复杂计算&#xff08;如数学运算、加密解密等&#xff09;。运行图…...

编程新知 2025/8/22 22:34:43

Linux 中如何提取压缩文件 ？

Linux 是一种流行的开源操作系统&#xff0c;它提供了许多工具来管理、压缩和解压缩文件。压缩文件有助于节省存储空间&#xff0c;使数据传输更快。本指南将向您展示如何在 Linux 中提取不同类型的压缩文件。 1. Unpacking ZIP Files ZIP 文件是非常常见的&#xff0c;要在 …...

编程新知 2025/10/24 16:01:11

Ubuntu Cursor升级成v1.0

0. 当前版本低 使用当前 Cursor v0.50时 GitHub Copilot Chat 打不开&#xff0c;快捷键也不好用&#xff0c;当看到 Cursor 升级后&#xff0c;还是蛮高兴的 1. 下载 Cursor 下载地址&#xff1a;https://www.cursor.com/cn/downloads 点击下载 Linux (x64) &#xff0c;…...

编程新知 2025/10/22 8:07:13

Python 训练营打卡 Day 47

注意力热力图可视化 在day 46代码的基础上&#xff0c;对比不同卷积层热力图可视化的结果 import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader import matplotlib.pypl…...

编程新知 2025/9/28 14:32:59