[差量更新系列1]BSDiff算法学习笔记

[差量更新系列1]BSDiff算法描述

    BSDiff是一个差量更新算法，它在服务器端运行BSDiff算法产生patch包，在客户端运行BSPatch算法，将旧文件和patch包合成新文件。

 

差量更新算法的核心思想

尽可能多的利用old文件中已有的内容，尽可能少的加入新的内容来构建new文件。通常的做法是对old文件和new文件做子字符串匹配或使用hash技术，提取公共部分，将new文件中剩余的部分打包成patch包，在Patch阶段中，用copying和insertion两个基本操作即可将old文件和patch包合成new文件。

 

BSDiff算法的改进

Insertion操作会引起大量的指针变动和修改，要记录这些值才能在Patch阶段给修改过的区域重新定位，由于这些指针控制字必须在BSDiff阶段加入patch包，产生的patch包会较大。BSDiff通过引入diff string的概念，大大减少了要记录的指针控制字的数目，从而使得patch包更小。

 

基本定义

 

BSDiff基本步骤

BSDiff的三个基本步骤如下：

 

1．对old文件中所有子字符串形成一个字典；

2．对比old文件和new文件，产生diffstring和extra string；

3．将diffstring 和extra string 以及相应的控制字用zip压缩成一个patch包。

 

步骤1.是所有差量更新算法的瓶颈，时间复杂度为O(nlogn),空间复杂度为O(n)，n为old文件的长度。BSDiff采用 Faster suffix sorting方法获得一个字典序，使用了类似于快速排序的二分思想，使用了bucket，I，V三个辅助数组。最终得到一个数组I，记录了以前缀分组的各个字符串组的最后一个字符串在old中的开始位置

步骤2.是BSDiff产生patch包的核心部分，详细描述如下：

步骤3.将diff string 和extrastring 以及相应的控制字用zip压缩成一个patch包。

可以看出在用zip压缩之前的patch包是没有节约任何字符的，但diff strings可以被高效的压缩，故BSDiff是一个很依赖于压缩与解压的算法！

 

BSPatch基本步骤

客户端合成patch的基本步骤如下：

 

1．接收patch包；

2．解压patch包；

3．还原new文件。

 

三个步骤同时在O（m）时间内完成，但在时间常数上更依赖于解压patch包的部分，m为新文件的长度

 

复杂度分析

根据以上步骤，不难得出BSDiff与BSPatch的时间与空间复杂度如下：

 

BSDiff

时间复杂度  O(nlogn)  空间复杂度 O(n)

BSPatch

时间复杂度  O(n+m)   空间复杂度  O(n+m)

 

另外给出BSDiff压缩效率实验数据：

图片来源：CompressingDifferences of Executable Code

 

参考文献

Naïve Differences of ExecutableCode

https://www.researchgate.net/publication/2890146_Naive_Differences_of_Executable_Code

Compressing Differences ofExecutable Code

https://www.researchgate.net/publication/2379631_Compressing_Differences_of_Executable_Code