压缩的类别——static semi-static adaptive

文件的压缩一直都是互联网非常重要的一个环节，它的直接作用就是服务于文件的传输。

文件的压缩可以按照压缩方式分为三个类别， static 静态压缩， semi-static 半静态压缩和 adaptive，适应性压缩。

static：

利用已有的数据集直接进行压缩。

比如，用字典压缩一个文本，每一个单词都可以对应到这个单词的索引，如几页几行（便于理解，假设这种表示方式会节省bit的情况下）。再比如，利用某个数据集生成的一个压缩模型去压缩之后所有的数据。

优点： 拿到数据，立马就可以进行压缩工作。支持文章从任意中间点开始解压。

缺点： 如果用于生成模型的数据集和待压缩的数据集相差比较大的话，压缩效果会非常不好。

semi-static；

对于待压缩的文本，遍历一个遍获取symbol的概率，根据这个概率生成压缩模型，再根据模型进行压缩，比如huffman。

优点：效果比第一种方式要好，并且支持从任意中间点开始解压。

缺点：需要遍历两次文本，第一次用于生成压缩模型，第二次用于解压缩。

adaptive：

首先赋予文本一个初始压缩的概率模型，之后在压缩的同时，根据已出现的数据再对已有的模型进行优化，解压的时候也是用相同的初始模型进行解压，之后根据相同的优化方式进行模型的优化，从而达到压缩与解压缩过程中，模型匹配的问题。

优点：不用遍历两次文章。

缺点：没有办法从中间任意点开始进行解压。