详细介绍位图索引的压缩编码规则.doc

详细介绍位图索引的压缩编码规则 目标：会写位图索引和压缩位图索引 1.1.1、位图索引 概念和可行性不说，越说越糊涂，我们直接看位图索引的例子： ? 设某首饰店客户信息表示为关系R(年龄, 薪水)。如下是编号从1到12的记录： 1: (25 , 60) 2: (45 , 60) 3: (50 , 75) 4: (50 , 100) 5: (50 , 120) 6: (70 , 110) 7: (85,140) 8: (30,260) 9: (25,400) 10: (45, 350) 11: (50, 275) 12: (60, 260) ? 属性“年龄”有7个不同值。它的位图索引有7个向量： 位图索引示例（注意：有多少条记录，位图索引的二进制位数的长度就有多长！） 25: 100000001000 30: 000000010000 45: 010000000100 50: 001110000010 60: 000000000001 70: 000001000000 85: 000000100000 ?属性“薪水”有10个不同值。它的位图索引有10个向量： 60: 110000000000 75: 001000000000 100: 000100000000 110: 000001000000 120: 000010000000 140: 000000100000 260: 000000010001 275: 000000000010 350: 000000000100 400: 000000001000 看看位图索引的优点吧：找出年龄范围在45～55且薪水范围在100～200的所有首饰购买者？ 011110000110 AND 000111100000 = 000110000000 一个AND操作就找到了，很爽吧！不过大家也看到了，这些超长索引存储起来很头痛吧！ 没关系，看下一节4.1.2，我们怎样压缩压缩再压缩，呵呵！ 1.1.2、压缩位图索引 大家看到了，这些位图索引的“0”好多，占用好多空间，我们的目标就是压缩这些“0” 利用分段长度编码来压缩位图向量中的“0”（下面是定义，看完糊涂就继续看） ? 设i 是位向量中某个“1”之前“0”的个数 ? 首先确定i 的二进制表示位数j，j ≈ log2i ? i 可以表示为j ? 1个“1”和一个“0”并在其后加上i 的二进制数。 如果i = 0 或1，则j = 1。编码由一个“0”开始且“0” 后加上表示i 的一位二进制数：即i ＝ 1的编码为01，而i ＝ 0 的编码为00。 上面看着有点乱，其实很简单，解释一下（当然我解释的更乱，大家快刀斩乱麻吧）： 其实我们就是想将所有“1”前面的一串“0”用少量的二进制数字记录下来。 我们找到所有的“1”（因为“1”很少），查这个1前面的0的个数，然后存储起来，存储方法如下：先写出这个代表“0个数”的数字需要占几位，占几位就写几减一个“1”,然后用一个“0”做分隔符，后面再写出这个代表“0个数”的数字。 下面，我用从后向前写的方式来讲解！（这样好理解）举例：（简单起见，先考虑只有一个“1”的情况，复杂情况一会再讲） 假如有一个位图索引为 00000000000001 （不用数了，前面共13个“0”） 那么咱要告诉人家有13个“0”，我们就先写上1101（二进制的13），然后在前面写上一个分隔符“0”，则变成了01101，我们再看一下，“1101”这个数需要至少4个二进制位(log213≈4)才能表示出来，那么我们就在前面写3个“1”（4－1＝3，这是此编码的规定，其实我看他们就是能省则省，哈哈，不过规定了就要遵守，否则不通用），（注意：这3个“1”并不是一个二进制数字， 而是简单的“1”的个数，你就当成火柴棍（小学生数数法）即可！）最后就变成 再解释：这个压缩的编码由三部分组成 111 0 1101 ，前面的3个“1”是说明后面的数字1101占4位，中间的“0”就是一个分隔符号，后面的1101才是我们真正要用到的数字，它是说明我们的这个位图索引是一个“1”前面的“0”的个数！！当然本例是一个“1”的情况，多个“1”的情况，就把多个“0的个数”和一个“1”的组合按先后顺序串在一起就构成了一个位图索引！！ 此外：还有特殊情况是一个“1”前有0个“0”和1个“0”的情况，分别用00和01表示。 做练习吧： 位图索引：1100000010000000001 请写出压缩码 首先注意到这个索引中共有4个“1”，那么我们就写出这4个“子压缩码”，然后串一块。 第一个“1”前面没有“0”，那就是有0个“0”呗，这就简单了：压缩码就是00 (特殊情况) 第二个“1”前面也是有0个“0”，那么压缩码还是 00 第三个“1”