文件相似性判断 -- 超级特征值（super feature）

     基于内容的变长分块（CDC）技术，可以用来对文件进行变长分块，而后用来进行重复性检测，广泛用于去重系统中。后来又出现了对相似数据块进行delta压缩，进一步节省存储开销。所以就需要一种高效的相似性检测算法，在论文 WAN Optimized Replication of Backup Datasets Using Stream-Informed Delta Compression 提出的super-features 算法具有很好的效果。主要思想是在滑动窗口进行分块的过程中，通过一个窗口的rabin fingerprint 我们可以随机的得到一个数值，如果它比这个块中所有窗口w的rabin指纹都大，就把它记为一个特征值 feature-i，通过这样的方法得到的多个feature，计算rabin 指纹得到的就是超级特征值SF，下图每个SF有四个特征值得到。