[差量更新系列1]BSDiff算法学习笔记

BSDiff是一个差量更新算法，它在服务器端运行BSDiff算法产生patch包，在客户端运行BSPatch算法，将旧文件和patch包合成新文件。

差量更新算法的核心思想 尽量多的利用old文件中已有的内容，尽量少的加入新的内容来构建new文件。一般的作法是对old文件和new文件作子字符串匹配或使用hash技术，提取公共部分，将new文件中剩余的部分打包成patch包，在Patch阶段中，用copying和insertion两个基本操做便可将old文件和patch包合成new文件。

BSDiff算法的改进 Insertion操做会引发大量的指针变更和修改，要记录这些值才能在Patch阶段给修改过的区域从新定位，因为这些指针控制字必须在BSDiff阶段加入patch包，产生的patch包会较大。BSDiff经过引入diff string的概念，大大减小了要记录的指针控制字的数目，从而使得patch包更小。

基本定义

BSDiff基本步骤 BSDiff的三个基本步骤以下：

1．对old文件中全部子字符串造成一个字典； 2．对比old文件和new文件，产生diffstring和extra string； 3．将diffstring 和extra string 以及相应的控制字用zip压缩成一个patch包。

步骤1.是全部差量更新算法的瓶颈，时间复杂度为O(nlogn),空间复杂度为O(n)，n为old文件的长度。BSDiff采用 Faster suffix sorting方法得到一个字典序，使用了相似于快速排序的二分思想，使用了bucket，I，V三个辅助数组。最终获得一个数组I，记录了之前缀分组的各个字符串组的最后一个字符串在old中的开始位置 步骤2.是BSDiff产生patch包的核心部分，详细描述以下：

步骤3.将diff string 和extrastring 以及相应的控制字用zip压缩成一个patch包。

能够看出在用zip压缩以前的patch包是没有节约任何字符的，但diff strings能够被高效的压缩，故BSDiff是一个很依赖于压缩与解压的算法！

BSPatch基本步骤 客户端合成patch的基本步骤以下：

1．接收patch包； 2．解压patch包； 3．还原new文件。

三个步骤同时在O（m）时间内完成，但在时间常数上更依赖于解压patch包的部分，m为新文件的长度

复杂度分析 根据以上步骤，不可贵出BSDiff与BSPatch的时间与空间复杂度以下：

BSDiff 时间复杂度 O(nlogn) 空间复杂度 O(n) BSPatch 时间复杂度 O(n+m) 空间复杂度 O(n+m)

另外给出BSDiff压缩效率实验数据：

图片来源：CompressingDifferences of Executable Code

参考文献 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