Question

首先，我要说我只有基本的压缩知识。

我怀疑Deflate算法的工作分辨率不低于字节，即用字节数据查找重复，构建Haffman树等。为了证明这一点，我写了以下代码：

简而言之，该代码创建了一个100,000位的序列，它由两种方式表示：第一个是平凡的表示（每个字节包含8位），第二个是间隔很大的表示 - 每位字节（每个字节为0或1），这意味着所有7个MSB都是0）。使用大量重复创建数据以证明两种情况下的压缩效果。我认为间隔表示（每比特字节）应该不比普通表示（每字节8比特）差，因为Deflate算法应该找到大量重复的0x00和0x01。

令人惊讶的是，在短的重复序列（50-100位）中，结果是相似的，这意味着Deflate确实找到了重复的子字节序列。令人惊讶的是，在较长的重复序列（500-1,000位）中，非间隔位表示的结果更好，因为通过找到0x00和0x01重复，Deflate算法非常无效！

所以第一个问题是：为什么Deflate无法找到那些重复？

这是问题的背景，以及此后的另一个问题。

背景

我正在尝试找到一个紧凑的表示数据结构。这是一种类似四叉树的结构，是某种算法的输出。表示有两部分：结构（节点/叶子）和数据本身。这个问题涉及第一部分的表示 - 数据结构的结构。

使用以下形式的递归算法在服务器端创建结构：

INode CreateSubTree(input)
{
    if (mathematical-condition)
        return new Leaf(...);

    INode left = CreateSubTree(sub-input);
    INode right = CreateSubTree(sub-input);
    return new Composite(left, right);
}

在数据结构紧凑表示中，我按照它们计算的相同顺序保存数学条件的日志（每个日志项为真/假）。然后在客户端，我可以回收确切的结构，而不需要所有的数学数据。

表示的第二部分是节点的数据。由于我已经有了这个结构，我只需要按照明确定义的顺序保存原始数据，而不需要将它与节点相关联，客户端就能将数据与节点相关联。

最后的表示是将两个部分写入流中，然后使用Deflate算法（通过.NET的DeflateStream类）在发送到客户端之前对其进行压缩。

问题：

虽然数据有很多重复序列，但结构中的条件日志具有高水平的熵，而Deflate算法对该部分无效。紧凑的表示非常重要，因此我正在寻找减少表示大小的方法。这也是上面讨论的位/字节调查的原因。

所以第二个问题是：有人能想出更好的方法来紧凑地表示这样的结构吗？

缩小比特/字节表示的压缩

0 个答案: