為什麼倒排表的分塊方案採用固定數目（fixed number
）的，而不是固定大小(fixed size)
的?
解答：
cpu
流水線的有效性
fn方案中，由於確定數目，例如128
，則壓縮和解壓很容易做迴圈展開的優化，沒有分支指令。當然倒排表的最後可能不會正好是128
，需要padding
一些dummy
的docid
，但這種儲存損耗，如果有100k
詞條，每個詞條增加127
個padding
的，每個padding
按3個位元組（docid
，frequency, hitlist
）代價計算，則不過10m
而已，和解壓快速的收益看非常小。 fs
方案中，壓縮和解壓的過程中要反覆判斷是否跨塊，因此增加的if-then-else
這樣的branch
指令，使得cpu
指令**可能出現錯誤而導致流水線停滯（通常for
迴圈中是需要避免分支指令的，後面pfor-delta
的優化再詳細討論）。
從儲存的有效性上看
fn方案，儲存緻密，只是需要在最後乙個block
上padding
一些dummy
的docid。
fs方案，如果考慮到每個固定塊中需要存放docidlist
，freqency, hitlist
的話，那麼極容易出現跨塊，而使得每個block
的尾部空間都會有損耗，這個代價是極大的，因此fs
的這種方案就不易存放hitlist
，給設計帶來了侷限。
壓縮效果的可控性
fn方案，文件數固定，壓縮可控，文件數太少壓縮效果差，文件數太多解壓效率低，不容易出現skip
的情況。 fs
方案，大小很難固定，固定了大小，文件數也很難控制，文件數多少和壓縮效果緊密聯絡。
當然fs
的方案也不是一無是處，由於計算偏移容易（均為位元組位址），而fn
的方案不可避免的使用位元位址。此前的博文中已有討論，不再贅述。
為什麼說pfordelta
的壓縮方法，壓縮效果好，解壓速度快？
解答：
關於流水線角度的分析，請參見：
成片解壓，計算量低
pfordelta
事實上只是對exception
進行了特別處理，而其餘小於threshold
的數直接按照二進位制的形式訪問，因此讀取乙個位元組就可以獲得一片docid
。同時計算時只有加法，沒有乘除法，雖然其餘的編碼方式由於除的均為2
的倍數，因此可以通過移位來優化，但從計算的複雜度看，pfordelta
還是非常有優勢，因為看上去其實並沒有進行什麼「壓縮計算」一樣。
在docid重排(reordering)的情況下，pfordelta的提公升
docid重排問題比較複雜，這涉及到很好的支援docid的clustering，又要支援early termination(更好的docid要往前排），同時還必須這種重排方法要比較簡便，分配的docid要完全緻密，沒有人為的gap。
b值較小情況，block size = 128，而b低於5的情況下的優化
pfordelta演算法依賴於b值，而b值過小的情況下，無法在entry中存放下乙個exception的位置的偏移量，這種情況下需要特別的優化。
推薦閱讀：
答索引構造一問：
答索引構造一問（續）
為什麼倒排表的分塊方案採用固定數目 fixed number 的，而不是固定大小 fixed size 的?解答 cpu 流水線的有效性 fn方案中，由於確定數目，例如128 則壓縮和解壓很容易做迴圈展開的優化，沒有分支指令。當然倒排表的最後可能不會正好是128 需要padding 一些dummy ...
sdnu1096一問一答
1096.一問一答 time limit 1000 ms memory limit 32768 kb total submission s 174 accepted submission s 106 description 現在輸入乙個序列，這個序列中有n個數字，輸入時他們是無序的，而後他們會被寫到...
安防佈線的一問一答
1 監控的具體佈線方法?什麼樣的機子要什麼樣的線,要多少?從什麼位置到什麼位置?監控線纜 槍機 不帶雲台的攝像機 線 電源線 球機 帶雲台和解碼器 線 電源線 控制線 線型號 syv 75 5 1 2傳輸距離500公尺 syv 75 3 1傳輸距離300公尺 控制線型號 rvvp 2 1.0 按需求...