download:咕泡云P6:Java互联网高级架构师4期（SVIP涨薪班）
ZY复制下崽：https://www.zxit666.com/4278/
自研字符串紧缩算法
概述
在开发中，经常有上报线上堆栈来剖析处置线上问题的场景，所以，对堆栈的紧缩和加密也是必不可少的。加密：能够运用AES对称加密算法，紧缩：能够在上传时应用protobuf天生的紧缩性对字符串停止紧缩。
不过，出于对流量的俭省和传输效率的提升，能够经过在堆栈上传前先紧缩一次数据来保证。下面给大家引见一种笔者本人探索的一种紧缩字符串的算法，并且自带加密效果。
算法引见
此算法运用场景：有限字符集的字符串紧缩。
例如Java办法全限定名的紧缩，关于办法全限定来说，组成成分：大小写英文字母，数字，特殊字符。在开发过程中，一个规范且合格的类名，办法名需求做到见名知意，依据有效统计，办法全限定99%以上由大小写英文字母组成。
算法完成
紧缩原理简述
将char字符的闲暇bit位来存储有效的数据。比方经过将 a ~ z 映射成 1 ~ 26 的数字,并将Char类型以5bit为一组分为高、中、低三组，分别来存储一个数字（这一个数字代表一个字符）
树立字符串头构造: Head
在Java代码编写过程中，一个全限定字符串中的大写字母占比相对较小，因而，经过运用前补充字符的方式来记载全限定字符串中的大写字母。一个字符串假如是有限且不可变的，那么所组成他们的字符之间的相对位置是肯定的。完成算法如下：
public char[] build(String s) {
...
for (int i = 0; i < len; i++) {
c = s.charAt(i);
b = Character.isUpperCase(c);
if (b || c == FILL) {
if (i - lastIndex >= maxDistance) {
maxDistance = i - lastIndex;
}
upCharIndex.add(i - lastIndex);
lastIndex = i;
}
if (b) upCharCount++;
}
...
return handleHead(type);}
复制代码
在紧缩前的第一步：在字符串开端时，保管并记载大写字母的位置和每一个大写字母之间的间隔。（小数点以为是一个大写字母）。
private char[] handleHead(int type) {
...
int k, j;
//记载大写字母位置与char中
for (int i = 0; i < chars.length; i++) {
if (i == 0) {
for (j = 0, k = 1; j < ch1; j++, k++) {
ch = bitToLeft(ch, upCharIndex.get(j), 12 - (k * stepDistance));
}
chars[i] = ch;
} else {
char emptyCh = FILL;
emptyCh &= 0;
int start = (i - 1) * sizeOfChar + ch1;
for (j = start, k = 1; j < start + sizeOfChar; j++, k++) {
if (j == upCharIndex.size())
break;
emptyCh = bitToLeft(emptyCh, upCharIndex.get(j), 16 - (k * stepDistance));
}
chars[i] = emptyCh;
}
}
return chars;}
复制代码
Head的最小长度为：1个Char，也就是16bit。在16bit的高2位存储步长。接下来的2位记载真正的Head长度大小。
head长度：Head最小的长度是1个Char，其中记载步长和Head长度的信息。目前，填充长度最长为 3+1,可经过步长算法完成Head长度的扩展。扩展办法：getTypeBySize、getSizeByType
存储大写字母的位置时，依照步长来填充。例如：步长为3,那么就意味着每3个bit存储一个大写字母位置。
Head的长度取决于填充了几个步长。例如：填充10个步长为3的位置，需求16%3等于5，那么就需求两个Char.
步长： 步长是一个可变的量，在算法设计中，提供如下几种步长类型：（据统计最长英文单词：45个字符）
STEP_0：表示没有大写字母
STEP_3：表示大写字母间隔(0,8),步长为3
STEP_15：表示大写字母间间隔[8，16),步长为4
STEP_OVER_15:表示大写字母间间隔[16，63)，步长为6
树立紧缩字符串内容：Content
Content紧缩是依照1个Char的高、中、低三位中分别存储一个字符的算法完成的。详细的完成FormatUtil.ContentBuilder：
填充: 由于字符串并不都是3的倍数。为了保证原字符串的完好性，在分割字符串之前先给原来字符串填充一定数量的字符，保证其在分割的时分能够每3个字符为一组。
public String handleString(String s) {
int f;
if ((f = s.length() % 3) != 0) {
StringBuilder sBuilder = new StringBuilder(s);
for (f = 3 - f; f > 0; f--)
sBuilder.append(FILL);
s = sBuilder.toString();
}
return s.toLowerCase();}
复制代码
分割交换: 在完成填充以后，将原来的字符串以三个为一组分割成多个组。关于字符串中的数字或者特殊字符，我们在mapping文件中并没有构成映射，因而，一旦呈现，那么就经过“MASK”去替代。
public short buildShort(char high, char mid, char low) {
short b = 0;
b |= getShortFromMapping(high) << 10;
b |= getShortFromMapping(mid) << 5;
b |= getShortFromMapping(low);
return b;}
public short getShortFromMapping(char ch) {
if (mapping.containsKey(ch))
return mapping.get(ch);
return mapping.get(MASK);}
复制代码
树立完成紧缩后字符串
Head + content = 紧缩完成后的字符串。
总结
在算法构思前期，理论紧缩效率可达66%：将三个Char存储在一个Char中，不过从最后包大小的总紧缩率来计算，紧缩率应该只要50%左右。呈现这种的状况的缘由如下：
字符串长度不都是3的整数倍，有多余的字符填充
紧缩完以后的字符并不是一个正确的ASCII码，在Java底层对字符集的编解码过程中，将其以为是汉字，一次一个字符会被解码成两个字符大小。