18、压缩字符串字典：技术与实现

压缩字符串字典：技术与实现

在当今数字化时代，处理大规模字符串字典是一个重要且普遍的问题。例如，互联网路由中，域名服务器将域名映射到 IP 地址，路由器将 IP 地址映射到物理地址，它们需要处理大量的域名或 IP 地址字典，并每秒处理许多请求。然而，目前对于压缩这些大型字符串字典的研究相对较少。接下来，我们将深入探讨相关的基本概念、技术以及多种压缩字典的表示方法。

基本概念

• 位图的 Rank 和 Select 操作 ：设 B[1, n] 是长度为 n 的 0、1 字符串（位图），且序列中有 m 个 1。 rankb(B, i) 定义为 B[1, i] 中比特 b 的出现次数， selectb(B, i) 定义为 B 中第 i 个比特 b 的位置。本文使用两种不同的简洁数据结构来回答 Rank 和 Select 查询：
  • RG ：使用 (1 + x)n 位来表示 B ，支持 Rank 操作需要两次随机内存访问加 4/x 次连续（即缓存）访问，Select 操作需要额外的二分查找。
  • RRR ：一种压缩位图，实际使用约 log(n/m