我有一个非常特定的数据集，需要以最紧凑的方式存储为字节数组。它是整数的实时流，不断增加，经常增加一个，但并不总是增加一个。每个整数值都有一个标记，它是一个字节值。可能会有具有相同值和标记的值，但我只需要存储区别。只有受支持的操作才能添加新元素，删除元素并检查元素是否存在-我保留此数据集以检查是否最近有“配对”过。
一些样本数据：
# | value | tag |
1 | 1000 | 0 |
2 | 1000 | 1 |
3 | 1000 | 2 |
4 | 1001 | 0 |
5 | 1002 | 2 |
6 | 1004 | 1 |
7 | 1004 | 2 |
8 | 1005 | 0 |
正如我所说的，这是一个实时流，但是我只能容忍最后几千个存储。目标是使其在存储（和RAM）中尽可能高效地利用内存，操作可能会花费很多。
如果没有标签，则可以存储范围或值，（1000-1002），（1002-1005）等，通常一行中大约有5-6个值而没有间隔。但是标签把这一切弄糟了。
我当前的方法是将每个值+标记对编码为几个字节-标记为一个字节，标记“ delta”为1个或多个字节。这样，我需要存储第一个值（在上述情况下为1000），然后我要存储增量-＃1，＃2，＃4的1，＃5的1，＃6的2等。
大多数增量都在1-10的范围内，因此我只能将其存储在一个字节中-如果值足够小以适合7位，则第一个位是一个标志；否则，我可以将其存储-接下来的7位将存储一个值，该值表示字节增量的占用率。
也许有更好，更紧凑的方法？
由于只有127个不同的标记值，因此您可以维护127个不同的表，每个标记一个表，从而使您不必存储标记。在每个表中，您仍可以使用带有差值的漂亮技巧。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句