我正在使用 this marisa trie 的自定义 Cython 包装器作为键值 multimap 的库。
我的 trie 条目看起来像 key 0xff data1 0xff data2 将 key 映射到元组 (data1, data2)。 data1 是可变长度的字符串，但 data2 始终是 4 字节无符号整数。 0xff 是一个分隔符字节。
我知道从理论上讲，trie 并不是最佳的数据结构，但各种实际考虑使它成为最佳选择。
在这个用例中，我有大约 10-20 百万个键，每个键平均有 10 个数据点。 data2 对于许多条目来说是多余的(在某些情况下，对于给定键的所有数据点，data2 始终相同)，所以我想到了采用最频繁的data2 条目并向每个键添加一个 ("", base_data2) 数据点。
据我所知，由于 MARISA trie 没有后缀压缩，并且对于给定的键，每个 data1 都是唯一的，我假设这将为每个使用冗余键的数据元组节省 4 个字节(加上为每个键添加一个 4 字节“值”)。重建 trie 后，我检查了冗余数据是否不再存储。我预计序列化和内存大小都会大幅减少，但实际上磁盘上的 trie 从 566MB 减少到 557MB(加载的 trie 的 RAM 使用量也有类似的减少)。
由此我得出结论，我对没有后缀压缩的看法一定是错误的。我现在将带有冗余 data2 编号的条目存储为 key 0xff data1 0xff，因此为了测试这个理论，我删除了尾随 0xff 并进行了调整使用 trie 来应对的代码。新的 trie 从 557MB 减少到 535MB。
因此，删除单个冗余尾随字节比删除 相同数量 的 4 字节序列有 2 倍的改进，所以后缀压缩理论要么是完全错误的，要么是在一些非常复杂的实现中实现的方式。
我剩下的理论是，在 trie 的较高位置添加 ("", base_data2) 条目会以某种可怕的方式取消压缩，但它应该只是添加 4当我从 trie 的较低位置删除更多字节时，更多字节。
我对修复并不乐观，但我非常想知道为什么我会看到这种行为!感谢您的关注。
最佳答案
正如我所怀疑的那样，这是由填充引起的。
在lib/marisa/grimoire/vector/vector.h中，有如下函数:
void write_(Writer &writer) const {
writer.write((UInt64)total_size());
writer.write(const_objs_, size_);
writer.seek((8 - (total_size() % 8)) % 8);
}
重点是:writer.seek((8 - (total_size() % 8)) % 8);。写入每个 block 后，写入器填充到下一个 8 字节边界。
这解释了您所看到的行为，因为最初缩短 key 所删除的部分数据被替换为填充。
当您删除额外的字节时，它会使 key 大小低于下一个边界限制，从而导致大小发生重大变化。
实际上，这意味着，由于填充代码位于库的序列化部分，您可能获得了预期的内存节省，但这并没有转化为磁盘节省。监控程序 RAM 使用情况应该可以确认这一点。
如果您关心磁盘大小，那么您也可以简单地压缩序列化数据，因为 MARISA 似乎没有应用任何压缩。
关于python - marisa trie 后缀压缩？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/44895094/
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
这个问题在这里已经有了答案:关闭10年前。PossibleDuplicate:Pythonconditionalassignmentoperator对于这样一个简单的问题表示歉意，但是谷歌搜索||=并不是很有帮助；)Python中是否有与Ruby和Perl中的||=语句等效的语句？例如:foo="hey"foo||="what"#assignfooifit'sundefined#fooisstill"hey"bar||="yeah"#baris"yeah"另外，类似这样的东西的通用术语是什么？条件分配是我的第一个猜测，但Wikipediapage跟我想的不太一样。
什么是ruby的rack或python的Java的wsgi？还有一个路由库。 最佳答案 来自Python标准PEP333:Bycontrast,althoughJavahasjustasmanywebapplicationframeworksavailable,Java's"servlet"APImakesitpossibleforapplicationswrittenwithanyJavawebapplicationframeworktoruninanywebserverthatsupportstheservletAPI.ht
华为OD机试题本篇题目：明明的随机数题目输入描述输出描述：示例1输入输出说明代码编写思路最近更新的博客华为od2023|什么是华为od，od薪资待遇，od机试题清单华为OD机试真题大全，用Python解华为机试题|机试宝典【华为OD机试】全流程解析+经验分享,题型分享,防作弊指南华为o
我想解析一个已经存在的.mid文件，改变它的乐器，例如从“acousticgrandpiano”到“violin”，然后将它保存回去或作为另一个.mid文件。根据我在文档中看到的内容，该乐器通过program_change或patch_change指令进行了更改，但我找不到任何在已经存在的MIDI文件中执行此操作的库.他们似乎都只支持从头开始创建的MIDI文件。 最佳答案 MIDIpackage会为您完成此操作，但具体方法取决于midi文件的原始内容。一个MIDI文件由一个或多个音轨组成，每个音轨是十六个channel中任何一个上的
本文主要介绍在使用Selenium进行自动化测试或者任务时，对于使用了iframe的页面，如何定位iframe中的元素文章目录场景描述解决方案具体代码场景描述当我们在使用Selenium进行自动化测试的时候，可能会遇到一些界面或者窗体是使用HTML的iframe标签进行承载的。对于iframe中的标签，如果直接查找是无法找到的，会抛出没有找到元素的异常。比如近在咫尺的例子就是，CSDN的登录窗体就是使用的iframe，大家可以尝试通过F12开发者模式查看到的tag_name,class_name,id或者xpath来定位中的页面元素，会抛出NoSuchElementException异常。解决
2022/8/4更新支持加入水印水印必须包含透明图像，并且水印图像大小要等于原图像的大小pythonconvert_image_to_video.py-f30-mwatermark.pngim_dirout.mkv2022/6/21更新让命令行参数更加易用新的命令行使用方法pythonconvert_image_to_video.py-f30im_dirout.mkvFFMPEG命令行转换一组JPG图像到视频时，是将这组图像视为MJPG流。我需要转换一组PNG图像到视频，FFMPEG就不认了。pyav内置了ffmpeg库，不需要系统带有ffmpeg工具因此我使用ffmpeg的python包装p
ValidPalindromeGivenastring,determineifitisapalindrome,consideringonlyalphanumericcharactersandignoringcases. [#125]Example:"Aman,aplan,acanal:Panama"isapalindrome."raceacar"isnotapalindrome.Haveyouconsiderthatthestringmightbeempty?Thisisagoodquestiontoaskduringaninterview.Forthepurposeofthisproblem
是否可以在PyYAML或Ruby的Psych引擎中禁用创建anchor和引用(并有效地显式列出冗余数据)？也许我在网上搜索时遗漏了一些东西，但在Psych中似乎没有太多可用的选项，而且我也无法确定PyYAML是否允许这样做.基本原理是我必须序列化一些数据并将其以可读的形式传递给一个不是真正的技术同事进行手动验证。有些数据是多余的，但我需要以最明确的方式列出它们以提高可读性(anchor和引用是提高效率的好概念，但不是人类可读性)。Ruby和Python是我选择的工具，但如果有其他一些相当简单的方法来“展开”YAML文档，它可能就可以了。 最佳答案