[差量更新系列1]BSDiff算法學習筆記

BSDiff是一個差量更新算法，它在服務器端運行BSDiff算法產生patch包，在客戶端運行BSPatch算法，將舊文件和patch包合成新文件。

差量更新算法的核心思想 儘量多的利用old文件中已有的內容，儘量少的加入新的內容來構建new文件。一般的作法是對old文件和new文件作子字符串匹配或使用hash技術，提取公共部分，將new文件中剩餘的部分打包成patch包，在Patch階段中，用copying和insertion兩個基本操做便可將old文件和patch包合成new文件。

BSDiff算法的改進 Insertion操做會引發大量的指針變更和修改，要記錄這些值才能在Patch階段給修改過的區域從新定位，因爲這些指針控制字必須在BSDiff階段加入patch包，產生的patch包會較大。BSDiff經過引入diff string的概念，大大減小了要記錄的指針控制字的數目，從而使得patch包更小。

基本定義

BSDiff基本步驟 BSDiff的三個基本步驟以下：

1．對old文件中全部子字符串造成一個字典； 2．對比old文件和new文件，產生diffstring和extra string； 3．將diffstring 和extra string 以及相應的控制字用zip壓縮成一個patch包。

步驟1.是全部差量更新算法的瓶頸，時間複雜度爲O(nlogn),空間複雜度爲O(n)，n爲old文件的長度。BSDiff採用 Faster suffix sorting方法得到一個字典序，使用了相似於快速排序的二分思想，使用了bucket，I，V三個輔助數組。最終獲得一個數組I，記錄了之前綴分組的各個字符串組的最後一個字符串在old中的開始位置 步驟2.是BSDiff產生patch包的核心部分，詳細描述以下：

步驟3.將diff string 和extrastring 以及相應的控制字用zip壓縮成一個patch包。

能夠看出在用zip壓縮以前的patch包是沒有節約任何字符的，但diff strings能夠被高效的壓縮，故BSDiff是一個很依賴於壓縮與解壓的算法！

BSPatch基本步驟 客戶端合成patch的基本步驟以下：

1．接收patch包； 2．解壓patch包； 3．還原new文件。

三個步驟同時在O（m）時間內完成，但在時間常數上更依賴於解壓patch包的部分，m爲新文件的長度

複雜度分析 根據以上步驟，不可貴出BSDiff與BSPatch的時間與空間複雜度以下：

BSDiff 時間複雜度 O(nlogn) 空間複雜度 O(n) BSPatch 時間複雜度 O(n+m) 空間複雜度 O(n+m)

另外給出BSDiff壓縮效率實驗數據：

圖片來源：CompressingDifferences of Executable Code

參考文獻 Naïve Differences of ExecutableCode https://www.researchgate.NET/publication/2890146_Naive_Differences_of_Executable_Code Compressing Differences ofExecutable Code https://www.researchgate.Net/publication/2379631_Compressing_Differences_of_Executable_Code