2022-04-26 洗澡随笔：把信息论中的Run Length 编码应用到报文匹配算法中

纪第一次自己抢到了麦当劳！

​2022-04-26 洗澡随笔：把信息论中的Run Length 编码应用到报文匹配算法中。

现有9个位集，所谓位集就是一连串0和1组成的数组，这里是用64位无符号long数组模拟的，目前实现的算法需要做很多次64位与运算，直到找到9个位集上某一位都是1，就停下来做一次更精确的检验，如果确实是匹配的，就可以说完成任务了，否则继续往下做与运算找下一个9个位集都为1的位又做精确检验。

考虑通过聚合位来减少或运算：如果原来(一级)位集上有64个连续位都是0，就在二级位集上用一个0来代替那一级位集上的64个0，但只要一级位集的64位上有一个或多个1，就在二级位集上编码为1。

匹配时先对9个二级位集做或运算，如果9个位不都是1，那么这8次与运算就代替了原来8*64次与运算，但是如果每个二级位集上的位都是1，那么仍要再检查一级位集，需要定位到对应的那64位，按原来的方法进行与运算看有没有都是1的位，如果有就进行精确检查。

那么，如果连续有很多位都是0，就可以大大提高二级位集带来的性能提升。如何量化？在一级位集上求连续有多少个0，然后遇到一串连续1，求接下来有多少个连续1，又求接下来有多少个连续0，… 最后可以得到连续1数和连续0数构成的数组，看这里面的数有多少个是大于等于64的，这样的数越多越好，越大越好，不管对1还是0(不过最好是0)。

其实大于64不一定带来性能提升，因为可能有100个连续0横跨了两个64位，一边是48位，另一边是52位，这样的100位仍然需要检查两次一级位集。所以统计时应该按64位来统计，判断有多少个64位是全0。这才是比较好的可视化统计。

下面才是今天的洗澡随笔本笔：
如果确实有很多连续0，连续1，那么可以用RLE编码这9个位集，每个位集对应一个int数组，假设位集第一位都是0，那么int数组的偶数下标上记录的是连续有多少个0，奇数下标上记录有多少个连续1。
匹配时对9个int数组进行“归并”，这样几乎可以在O(1)内确定下一个需要精确检查的位了！没逻辑与、逻辑或什么事情了！还需要前缀和来辅助，规则插入和删除会很麻烦。

​Dinner time.