=数据压缩算法=速记算法=

递增素数之间，可以使用加法，得出相对小的数，可以用乘法，得出相对大的数，可以用乘方号，得出很大很大的数。

当使用特定长度把一个大数据分割成N个小片段时，就可以进行统计，比如全体相加，然后除以总数得到全局平均数。

然后使用1KB的平均数，1MB的平均数，1GB的平均数作为比大小基准。

然后还有特定数（比如出现了一次以上的多次数）（比如只出现了一次的一次数）（比如出现的最大值）（比如出现的最小值）。

现在的问题就是，统计能够获得数据的被过滤掉了很多信息的被压缩后的数据，如何使用统计获得的数据，来逆推原始数据（包括各种统计的先后顺序）（当然，因为数据的缺失，导致必须使用试错方式来实现）。

在处理大数据时，如何减少解压缩时试错次数，就是大数据压缩专用算法的重难点。

[示例]

如果有一个二进制数，统计出其二进制的1总共有12个，二进制的0总共有19个；转换为八进制为，统计出其八进制的0总共出现了1次，八进制的1出现了2次，八进制的2出现了4次，八进制的3出现了1次，八进制的4出现了2次，八进制的6出现了1次；转换为十进制为，统计出其十进制的0出现了1次，十进制的1出现了1次，十进制的2出现了1次，十进制的3出现了1次，十进制的4出现了1次，十进制的6出现了2次，十进制的8出现了3次（当然了，为了加速碰撞，一般都是使用素数进制的方式，而不是使用这种方式，作者用这种方式示例，只是为了方便使用微软自带的程序员计算器换算进制，从而进行统计），那么接下来，就需要通过进制碰撞的方式，来逆推根据统计得出的原始数据。

当然了，也可以使用MD4，MD5和其他的哈希值生成算法，用于快速生成哈希值，以及记录上大小，然后是二进制的0和1，然后是八进制，16进制（一般都采取2的正整数次方进制的方式，来加速快速压缩时的速度，换算更快）。

另外还有一种快速碰撞的方式，使用大于X的（Y+1次方），小于X的Y次方的方式。

第一次比大小范围：

示例：取X=16；Y=18；

16^19=75，557，863，725，914，323，419，136

16^18=4，722，366，482，869，645，213，696

第二次比大小范围：

示例：取X=15；Y=7；

15^8=2，562，890，625

15^7=170，859，375

当然了，因为作者并没有使用16^19-16^18，然后再把结果进行开15次方，然后再进行筛查，可能就会导致第二次和第一次的相关度不高。

一个二进制数据根据位数，可以表达多少数值？

1位二进制，有两种可能，1和0。

2位二进制，有四种可能，00，01，10，11。

16位二进制，有2的16次方种可能，然而一个数据本身使用这么多位是一种浪费。