本發(fā)明屬于計算機(jī)數(shù)據(jù)存儲技術(shù)領(lǐng)域，更具體地，涉及一種溯源數(shù)據(jù)壓縮方法。

背景技術(shù)：

溯源數(shù)據(jù)是一種用來描述對象歷史數(shù)據(jù)的元數(shù)據(jù)。利用溯源數(shù)據(jù)可以實現(xiàn)很多新的功能，包括實驗文檔、安全、搜索和程序調(diào)試等。因此，很多學(xué)術(shù)研究機(jī)構(gòu)構(gòu)建了收集溯源的系統(tǒng)。這些系統(tǒng)大部分都注重于如何收集溯源數(shù)據(jù)，一些系統(tǒng)還注重于構(gòu)建一些能夠使用溯源數(shù)據(jù)的應(yīng)用程序，但是所有這些系統(tǒng)忽視了一個重要的方面:如何長期并有效的存儲溯源數(shù)據(jù)。

盡管溯源數(shù)據(jù)能被用在安全、搜索等一系列方面，也催生了各種各樣的溯源系統(tǒng)，但要使溯源數(shù)據(jù)能被廣泛地使用，一個很重要的方面就是要對溯源數(shù)據(jù)進(jìn)行高效的存儲。這是因為，未優(yōu)化的溯源數(shù)據(jù)會占用大量的空間，從而對溯源數(shù)據(jù)的使用形成很大的障礙。

現(xiàn)有的數(shù)據(jù)壓縮算法雖然在壓縮性能方面做的很好，但是沒有結(jié)合溯源數(shù)據(jù)的特性，在經(jīng)過這些算法壓縮之后，溯源數(shù)據(jù)的一些特性完全丟失，導(dǎo)致溯源數(shù)據(jù)無法使用。現(xiàn)在也出現(xiàn)了一些可以應(yīng)用于溯源數(shù)據(jù)壓縮的方法，如查普曼(Chapman)等人提出的專門用于壓縮溯源的分解和繼承壓縮技術(shù)，但是該算法沒有充分考慮溯源數(shù)據(jù)的特性，壓縮性能不是很理想。所以提出一種高效壓縮溯源的方法是非常有必要的。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種壓縮溯源數(shù)據(jù)的方法及系統(tǒng)，其目的在于結(jié)合溯源數(shù)據(jù)相似數(shù)據(jù)多和連續(xù)數(shù)據(jù)多的特性，現(xiàn)將溯源信息分為祖先數(shù)據(jù)和身份數(shù)據(jù)，在將祖先數(shù)據(jù)列表化，之后采用參考壓縮編碼、行程長度編碼和差量編碼對祖先數(shù)據(jù)壓縮，對于身份數(shù)據(jù)用字典編碼來進(jìn)行壓縮，通過這種壓縮方法可以極大程度的壓縮溯源數(shù)據(jù)的大小，并且可以保證在壓縮之后溯源數(shù)據(jù)仍然可以正常地被使用。

為了實現(xiàn)本發(fā)明的技術(shù)目的，本發(fā)明提供了一種溯源數(shù)據(jù)壓縮方法，其特征在于，所述方法包括以下步驟：

(1)數(shù)據(jù)分類步驟：將溯源數(shù)據(jù)分為身份數(shù)據(jù)和祖先數(shù)據(jù)：身份數(shù)據(jù)描述了數(shù)據(jù)本身的屬性特征；祖先數(shù)據(jù)表示數(shù)據(jù)對象之間的依賴關(guān)系；

(2)祖先數(shù)據(jù)壓縮步驟：根據(jù)祖先數(shù)據(jù)的依賴關(guān)系查詢溯源數(shù)據(jù)中的相似數(shù)據(jù)、連續(xù)數(shù)據(jù)，再依次對相似數(shù)據(jù)、連續(xù)數(shù)據(jù)和剩余的數(shù)據(jù)逐步壓縮；

(3)身份數(shù)據(jù)壓縮步驟：使用字典編碼對溯源數(shù)據(jù)中的身份數(shù)據(jù)進(jìn)行壓縮，通過掃描數(shù)據(jù)庫或者是文本文件來查找頻繁出現(xiàn)的字符串，然后用整數(shù)代號取代他們，并將整數(shù)代號和字符串之間的映射關(guān)系存儲在數(shù)據(jù)庫中。

進(jìn)一步的，所述祖先數(shù)據(jù)壓縮步驟包含以下子步驟：

(11)列表化祖先數(shù)據(jù)：

祖先數(shù)據(jù)由一系列有一個或多個祖先的溯源節(jié)點來表示，每個節(jié)點按照溯源產(chǎn)生時的順序分配節(jié)點號，將節(jié)點數(shù)據(jù)之間的依賴關(guān)系用節(jié)點列表的形式來表示，定義Out(x)來表示節(jié)點x的祖先列表，列表中是數(shù)據(jù)節(jié)點x的祖先數(shù)據(jù)節(jié)點集合；

(12)參考壓縮編碼：

檢查數(shù)據(jù)節(jié)點x前面W個節(jié)點的祖先列表，W表示窗口參數(shù)，找和Out(x)有最多共同祖先節(jié)點的祖先列表，定義Out(y)為這個祖先列表，y就為參考節(jié)點，將Out(x)編碼成三部分：參考號、比特位序列和余下祖先節(jié)點，參考號為x節(jié)點號和y節(jié)點號的差值；針對Out(y)列表生成一個比特位序列，Out(y)列表和Out(x)中共同祖先節(jié)所對應(yīng)的比特位為1，否則為0；余下祖先節(jié)點為原祖先節(jié)點減去共同祖先節(jié)點；

(13)行程長度編碼：

從Out(x)中余下祖先節(jié)點找出連續(xù)的節(jié)點號，將其編碼為起始節(jié)點號和連續(xù)數(shù)字長度兩部分，余下祖先節(jié)點為上步驟余下祖先節(jié)點減去連續(xù)節(jié)點；

(14)差量編碼：

定義上步驟中余下祖先節(jié)點為x₁，x₂，x₃，...，x_k，且節(jié)點號x₁≤x₂≤…≤x₃，編碼它們之間的差值x₁-x，x₂-x₁，x₃-x₂，...，x_k-x_k-1為差值列表。

為了實現(xiàn)本發(fā)明的技術(shù)目的，本發(fā)明還提供了一種溯源數(shù)據(jù)壓縮系統(tǒng)，其特征在于，所述系統(tǒng)包括以下模塊：

數(shù)據(jù)分類模塊，用于將溯源數(shù)據(jù)分為身份數(shù)據(jù)和祖先數(shù)據(jù)：身份數(shù)據(jù)描述了數(shù)據(jù)本身的屬性特征；祖先數(shù)據(jù)表示數(shù)據(jù)對象之間的依賴關(guān)系；

祖先數(shù)據(jù)壓縮模塊，用于根據(jù)祖先數(shù)據(jù)的依賴關(guān)系查詢溯源數(shù)據(jù)中的相似數(shù)據(jù)、連續(xù)數(shù)據(jù)，再依次對相似數(shù)據(jù)、連續(xù)數(shù)據(jù)和剩余的數(shù)據(jù)逐步壓縮；

身份數(shù)據(jù)壓縮模塊，用于使用字典編碼對溯源數(shù)據(jù)中的身份數(shù)據(jù)進(jìn)行壓縮，通過掃描數(shù)據(jù)庫或者是文本文件來查找頻繁出現(xiàn)的字符串，然后用整數(shù)代號取代他們，并將整數(shù)代號和字符串之間的映射關(guān)系存儲在數(shù)據(jù)庫中。

進(jìn)一步的，所述祖先數(shù)據(jù)壓縮模塊包含以下子單元：

列表化祖先數(shù)據(jù)子單元，用于將祖先數(shù)據(jù)列表化，祖先數(shù)據(jù)由一系列有一個或多個祖先的溯源節(jié)點來表示，每個節(jié)點按照溯源產(chǎn)生時的順序分配節(jié)點號，將節(jié)點數(shù)據(jù)之間的依賴關(guān)系用節(jié)點列表的形式來表示，定義Out(x)來表示節(jié)點x的祖先列表，列表中是數(shù)據(jù)節(jié)點x的祖先數(shù)據(jù)節(jié)點集合；

參考壓縮編碼子單元，用于檢查數(shù)據(jù)節(jié)點x前面W個節(jié)點的祖先列表，W表示窗口參數(shù)，找和Out(x)有最多共同祖先節(jié)點的祖先列表，定義Out(y)為這個祖先列表，y就為參考節(jié)點，將Out(x)編碼成三部分：參考號、比特位序列和余下祖先節(jié)點，參考號為x節(jié)點號和y節(jié)點號的差值；針對Out(y)列表生成一個比特位序列，Out(y)列表和Out(x)中共同祖先節(jié)所對應(yīng)的比特位為1，否則為0；余下祖先節(jié)點為原祖先節(jié)點減去共同祖先節(jié)點；

行程長度編碼子單元，用于從Out(x)中余下祖先節(jié)點找出連續(xù)的節(jié)點號，將其編碼為起始節(jié)點號和連續(xù)數(shù)字長度兩部分，余下祖先節(jié)點為上步驟余下祖先節(jié)點減去連續(xù)節(jié)點；

差量編碼子單元，用于定義上步驟中余下祖先節(jié)點為x₁，x₂，x₃，...，x_k，且節(jié)點號x₁≤x₂≤…≤x₃，編碼它們之間的差值x₁-x，x₂，x₁，x₃-x₂，…，x_k-x_k-1為差值列表。

總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下特征及有益效果：

(1)本發(fā)明解決了以往那些經(jīng)典的壓縮算法在壓縮溯源數(shù)據(jù)的過程中沒有保留溯源數(shù)據(jù)的特征，而是按照一般普通文件來壓縮，因此壓縮之后溯源數(shù)據(jù)的特征丟失，導(dǎo)致了溯源數(shù)據(jù)的無法使用問題。

(2)本發(fā)明相比一些現(xiàn)有的基于溯源數(shù)據(jù)特性的壓縮算法，更好地利用了溯源數(shù)據(jù)的特性，充分考慮了溯源數(shù)據(jù)中祖先數(shù)據(jù)的壓縮，使得壓縮效果有了進(jìn)一步的提升。

附圖說明

圖1是本發(fā)明一種壓縮溯源數(shù)據(jù)的方法流程圖；

圖2是祖先數(shù)據(jù)列表化示意圖；

圖3是祖先數(shù)據(jù)壓縮實施例圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。

圖1是本發(fā)明一種壓縮溯源數(shù)據(jù)的方法流程圖，包括以下步驟：

(1)數(shù)據(jù)分類步驟：

將溯源數(shù)據(jù)劃分為兩部分，祖先數(shù)據(jù)和身份數(shù)據(jù)：其中祖先數(shù)據(jù)表示數(shù)據(jù)對象之間的依賴關(guān)系；身份數(shù)據(jù)描述了數(shù)據(jù)本身的屬性特征，比如文件名、文件ID、進(jìn)程名、進(jìn)程ID等等；

(2)祖先數(shù)據(jù)壓縮步驟：

祖先數(shù)據(jù)壓縮步驟又分為以下子步驟：

(11)列表化祖先數(shù)據(jù)：

祖先數(shù)據(jù)由一系列有一個或多個祖先的溯源節(jié)點來表示，每個節(jié)點按照溯源產(chǎn)生時的順序分配節(jié)點號，將節(jié)點數(shù)據(jù)之間的依賴關(guān)系用節(jié)點列表的形式來表示，定義Out(x)來表示節(jié)點x的祖先列表，列表中是數(shù)據(jù)節(jié)點x的祖先數(shù)據(jù)節(jié)點集合；

如圖2所示為用祖先列表表示節(jié)點數(shù)據(jù)的依賴關(guān)系的實施例。

圖中可以看到有兩個溯源節(jié)點，它們都有多個祖先節(jié)點，由于每個節(jié)點按照溯源產(chǎn)生時的順序分配了節(jié)點號，所以可以將數(shù)據(jù)節(jié)點之間的依賴關(guān)系用圖中祖先節(jié)點列表的形式來表示；

(12)參考壓縮編碼：

檢查數(shù)據(jù)節(jié)點x前面W個節(jié)點的祖先列表，W表示窗口參數(shù)，找和Out(x)有最多共同祖先節(jié)點的祖先列表，定義Out(y)為這個祖先列表，y就為參考節(jié)點，將Out(x)編碼成三部分：參考號、比特位序列和余下祖先節(jié)點，參考號為x節(jié)點號和y節(jié)點號的差值；針對Out(y)列表生成一個比特位序列，Out(y)列表和Out(x)中共同祖先節(jié)所對應(yīng)的比特位為1，否則為0；余下祖先節(jié)點為原祖先節(jié)點減去共同祖先節(jié)點；

圖3第一步所示為參考壓縮編碼的實施例：

圖中Out(15)是和Out(16)有最多共同祖先的最相似的祖先列表，Out(15)是Out(16)的參考列表。參考號為節(jié)點號16和15的差值為到1。Out(15)和Out(16)的共同祖先節(jié)點為11和14，對應(yīng)參考列表Out(15)生成一個比特位序列，參考列表Out(15)中祖先節(jié)點為共同祖先節(jié)點的比特位為1，否則為0，將Out(16)編碼成如圖中的三部分：參考號1、比特位序列01010和余下祖先節(jié)點為19、20、21、31、33；

參考列表Out(15)的參考號為0，比特位序列為空，所以可以將參考列表Out(15)編碼成如圖中三部分：參考號、比特位序列為空和余下祖先節(jié)點為3、11、13、14、17；

(13)行程長度編碼：

從Out(x)中余下祖先節(jié)點找出連續(xù)的節(jié)點號，將其編碼為起始節(jié)點號和連續(xù)數(shù)字長度兩部分，余下祖先節(jié)點為上步驟余下祖先節(jié)點減去連續(xù)節(jié)點；

圖3第二步所示為行程長度編碼的實施例：

圖中從列表Out(15)中余下祖先節(jié)點中找到連續(xù)的節(jié)點號13、14，使用起始節(jié)點號13和連續(xù)數(shù)字長度2來表示這個連續(xù)節(jié)點列表，余下祖先節(jié)點為3、11、17；

從列表Out(16)中余下祖先節(jié)點中找出連續(xù)的節(jié)點號19、20、21，使用起始節(jié)點號19和連續(xù)數(shù)字長度3來代表這個連續(xù)節(jié)點列表，余下祖先節(jié)點為31、33；

(14)差量編碼：

定義上步驟中余下祖先節(jié)點為x₁，x₂，x₃，…，x_k，且節(jié)點號x₁≤x₂≤…≤x₃，編碼它們之間的差值x₁-x，x₂-x₁，x₃，x₂，…，x_k-x_k-1為差值列表；

圖3第三步所示為差量編碼的實施例：

圖中找出列表Out(15)中余下祖先節(jié)點，經(jīng)過上述步驟后祖先節(jié)點只剩下3、11、17，那么編碼它們之間的差值3-15，11-3，17-11，得到-12、8、6；

圖中找出列表Out(16)中余下祖先節(jié)點，經(jīng)過上述步驟后祖先節(jié)點只剩下31、33，那么編碼它們之間的差值31-16，33-31，得到15、2；

(3)身份數(shù)據(jù)壓縮步驟：

使用字典編碼對溯源數(shù)據(jù)中的身份數(shù)據(jù)進(jìn)行壓縮，通過掃描數(shù)據(jù)庫或者是文本文件來查找頻繁出現(xiàn)的字符串，然后用整數(shù)代號取代他們，并將整數(shù)代號和字符串之間的映射關(guān)系存儲在數(shù)據(jù)庫中。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。