Go中varint压缩编码原理分析

编码介绍

varint是一种将整数编码为变长字节的压缩编码算法，本篇文章就是分析该编码算法的原理以及看一看go中的源码实现。

计算机中，整型数据是按照补码进行存储的，varint编码的原理就是将整数按照7bits划分，在最高位设置一个有效位表示后面是否还有该整数的部分，当最高位为1时表示后面还有该数据的字节，为0表示该字节是最后一个字节。

无符号整数

较小的值

举个例子：对于一个uint32来说，无论数字多大，都会占用4个字节的大小空间。对0000 0000 0000 0000 0000 0000 0000 0001 进行编码：

1. 首先将该数字按照7位进行分组

0000 0000000 0000000 0000000 0000001

2. 依次从低字节开始读，发现只需要一个字节就能表示,后面没有可用的字节，最高位置0

0000 0001

所以最终对1的编码只占用一个字节

较大的值

对0000 1111 1111 0000 1111 0000 1111 1111 进行编码

1. 首先按照7bit进行分组

0000 1111111 1000011 1100001 1111111

2. 依次读取低位字节进行编码

|  1111111 |  1100001 |  1000011 |  1111111 | 0000 |
 
| 11111111 | 11100001 | 11000011 | 01111111 |  

所以最终该数字占用 4 个字节

Go中的实现

go中关于varint编码的实现在binary包下，这里参考的是Go1.20

编码PutUvarint

func PutUvarint(buf []byte, x uint64) int {
  i := 0
  for x >= 0x80 {
    // 将该字节的最高位置 1， 表示后面还有数据
    buf[i] = byte(x) | 0x80
    // 将x向右移动7位(按照7bit进行分组的过程)
    x >>= 7
    i++
  }
  buf[i] = byte(x)
  return i + 1
}

循环条件就是判断当前x的值是否能用一个字节表示，大于0x80说明不能使用一个字节表示。

解码Uvarint

func Uvarint(buf []byte) (uint64, int) {
  var x uint64
  var s uint
  // 遍历buf中的每个字节，低位字节表示原数据的高位
  for i, b := range buf {
    // 如果i达到了64位数据所能编码的最大字节数，说明溢出
    if i == MaxVarintLen64 {
      // Catch byte reads past MaxVarintLen64.
      // See issue https://golang.org/issues/41185
      return 0, -(i + 1) // overflow
    }
    // 如果该字节小于0x80，说明该字节是最后一个有效字节
    if b < 0x80 {
      // 对于一个uint64的数据来说，64 % 7 = 1，所以最终只会多出1bit
      // 如果 b > 1,说明原数据并不是64位的，溢出
      if i == MaxVarintLen64-1 && b > 1 {
        return 0, -(i + 1) // overflow
      }
      return x | uint64(b)<<s, i + 1
    }
    // 将b最高位置0，加到x上
    x |= uint64(b&0x7f) << s
    s += 7
  }
  return 0, 0
}

有符号整数

较小的值(指绝对值)

对原码为1000 0000 0000 0000 0000 0000 0000 0001 的负数进行编码

负数的补码 = 除符号位外的位取反 + 1

1. 首先计算数字的补码，负数的补码是除符号位外取反+1

1111 1111 1111 1111 1111 1111 1111 1111

2. 按照7bit进行分组

 | 1111 | 1111111 | 1111111| 1111111 | 1111111 |

3. 编码

|  1111111 |  1111111 |  1111111 |  1111111 | 1111 |
| 11111111 | 11111111 | 11111111 | 11111111 | 0000 1111 |

所以最终-1占了5个字节

较大的负数(只绝对值)

对原码为1111 1111 1111 0000 0000 0000 0000 0001 的负数进行编码

1. 首先计算数字的补码，负数的补码是除符号位外取反+1

1000 0000 0000 1111 1111 1111 1111 1111

2. 按照7bit进行分组

1000 0000000 0111111 1111111 1111111

3. 编码

|  1111111 |  1111111 |  0111111 |  0000000 | 1000 |
| 11111111 | 11111111 | 10111111 | 10000000 | 0000 1000 |

由此可得，最终占用5个字节

Go中的实现

编码PutVarint

妙！！！

func PutVarint(buf []byte, x int64) int {
  // 去掉符号位，忽略符号位的影响，更方便处理
  ux := uint64(x) << 1
  // 如果x为负数，则对ux进行取反，此时最低位一定是1
  // 而对于正数来说，最低位始终为 0，也为解码时判断正负做了铺垫
  if x < 0 {
    ux = ^ux
  }
  // 经过上面的处理，ux 为 x 的绝对值
  return PutUvarint(buf, ux)
}

解码Varint

func Varint(buf []byte) (int64, int) {
  ux, n := Uvarint(buf) // ok to continue in presence of error
  // 和上面的操作是相对的，因为最低位原本不属于原数据
  x := int64(ux >> 1)
  // 如果 ux 最低位为 1，说明原数据是负数，取反
  if ux&1 != 0 {
    x = ^x
  }
  return x, n
}

总结

varint编码的思想是：

• 对于小的数字使用更好的字节进行编码
• 对于大的数字使用更多的字节进行编码

因为大多数时候，我们的应用程序中会大量使用小的数字，而只是少量使用大的数字，所以使用varint压缩编码，在一定程度上可以节省空间。

但是通过原始的算法思想对负数进行编码时，由于负数在计算机中存储的特殊性，所以不会起到很好的作用，所以go在实对负数进行压缩编码时，首先将负数转化为正数表示，也就是取绝对值的操作，并在解码时通过最后一位来判断原数据是正数还是负数，这样varint对负数的压缩也同样效果很好。