嵌入式算法之大数据转长存储算法
发布时间：2021-12-05 23:57:12 所属栏目：大数据 来源：互联网
导读：1、应用场景 对于高精度采样结果，其数值最大可能需要3字节，最少1字节，采用标准C的基础数据类型，U16太小无法满足需求，U32则浪费内存。当样本量很大时，其占用的空间问题便突显出来。能否采用变长数据类型存储呢?对小数据采用U8，大数据采用U32，随着数值
|
1、应用场景 对于高精度采样结果，其数值最大可能需要3字节，最少1字节，采用标准C的基础数据类型，U16太小无法满足需求，U32则浪费内存。当样本量很大时，其占用的空间问题便突显出来。能否采用变长数据类型存储呢?对小数据采用U8，大数据采用U32，随着数值大小动态分配存储空间，就是本文的讨论的重点。 2、数据去冗余 U32的空间其数值范围最大接近2^32，该值非常大，实际数值范围远小于它，高位必然为0。例如U32表示1使用0x00000001，前面位都是0，其表达的数值和U8的0x01是一样的，前面重复的一串0属于冗余数据区，是可以剔除的。 假设5个数据D0..4，原本每个数据固定为U32类型，将其高位冗余0去掉，再拼接到U8的一维数组，则占用的空间和大大缩小。思路的核心是把 U32 或者U64 数组裁剪后拼接成U8 数组，同时确保使用时可 根据U8 数组中存储的信息将对应的数值还原。 假设有0x00000001、0x00000101、0x00000001三个数据，其有效部分是0x01、0x0101、0x01，如果直接拼接在一起，则没法区分0x01010101的含义。因此数据在去掉高位0之后，还需进行编码标记，便于后续解析还原。 3、数据编码 数据编码的主要作用是标记当前数据占用多少连续字节，有两种方案： 1、固定位来定义字节长度(2位可以表示4字节) 一字节：00****** 二字节：01******，00****** 三字节：10******，01******，00****** 四字节：11******，10******，01******，00****** 五字节：使用2位不支持 每个字节的最高2位表示属于原始数据的第几个(从0开始)，前面举例的3个字节可以表示为： 0x01 编码后二进制为 00-000001，最高2位为0，表示当前是编码后的数据的最后一个字节; 0x0101 编码后二进制为 01-000001--00-000001 解析时取每个字节的2位判断，若为00则表示一个编码数值结束。 因为前面2位固定用于标记字节数，每个字节实际可用范围只有6位，如果原数据位1000 0001，则最高两位的10需要再占用一个字节表示，最终编码为 01-000010--00-000001。 这种编码方式，所有字节有效位是固定的，编解码实现容易。缺点是4字节只有24位有效数据，假如原数据最大到25位，则每个字节分配3位来表示，不过这种大数据一般嵌入式很少使用。 2、字节最高位表示还有剩余数据，借鉴UTF8的编码方式 一字节：0******* 两字节：110*****，10****** 三字节：1110****，10******，10****** 四字节：11110***，10******，10******，10****** 五字节：111110**，10******，10******，10******，10****** 六字节：1111110*，10******，10******，10******，10******，10****** 七字节：不支持 这种编码方式，最高字节的有效位是变化的，其它字节有效位是6位。 两种编码方式的选取，主要是依据原始数据分布概率，如果原数据范围在24位内，则前面固定位的方式占优，超过32位内则动态的合适，如果数据范围在16位内则没必要如此折腾。 关于源码或者更多交流，请关注微信公众号 嵌入式系统。 （编辑：上饶站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
