对于相当大的文件（1MB +），有很多关于二进制diff算法的信息。但是，我的用例不同。 这就是为什么它不重复。
我有许多对象的集合，每个对象在5到100个字节范围内。我想通过网络发送有关这些对象的更新。我想将更新编译成单独的TCP数据包（合理的MTU为~1400）。我想尝试在每个数据包中尽可能多地更新数据：首先添加它们的ID，然后将所有二进制对象的二进制差异组合起来。
用于此目的的最佳二进制差分算法是什么？
答案 0 :(得分：1)
简单的答案是将您的许多小对象组合成一个大对象，然后使用现有的二进制差异算法有效地在该组合对象上发送差异。
但是没有必要自己动手。我个人通过将所有对象放入文件系统，然后使用rsync发送diff来解决这个问题。
这在理论上不是最佳的。但请考虑以下事项：
有些情况下这是错误的解决方案。但是我会坚持让这个直截了当的解决方案失败，然后再巧妙而复杂。
答案 1 :(得分：1)
使用这些小对象，您可以使用经典的最长公共子序列算法来创建“差异”。
然而，这不是解决问题的最佳方法。 LCS算法受限于在匹配目标序列时仅使用每个原始字节一次的要求。你可能并不真的需要这个约束来编码你的压缩数据包，所以除了有点慢之外，它还会导致次优解决方案。
您的目标实际上是使用原始对象的示例来压缩新对象，您应该用这些术语来考虑它。
有许多方法，但您可能对如何编码这些新对象有所了解。您可能正在考虑使用对原始对象的部分的引用来替换新对象的部分。
在这种情况下，为每个原始对象（https://en.wikipedia.org/wiki/Suffix_array）创建一个后缀数组是切实可行的。然后，当您对相应的新对象进行编码时，在每个字节处可以使用后缀数组来查找旧对象的最长匹配段。如果它足够长，可以节省成本，那么您可以用引用替换相应的字节。