信息论之进制压缩算法（在hbase索引压缩中的应用）
前言 大家都知道hbase的使用中，最重要的是rowkey的设计。而rowkey的设计中有三个关键点： 1、前缀预防读写热点 2、前缀适合查询场景 3、在满足1、2的前提下，关注索引的存储空间 关于1和2，介绍的文章很多。这篇文章主要分析一下索引的空间利用率，并试图推导出一套具有广泛应用价值的存储压缩思想。 信息的量化 我们先用世界杯的例子介绍一下信息论一个重要的概念信息量。 2018年的世界杯在俄罗斯举办，有32个国家参赛（为了方便说明，我们将32个国家进行编号1-32）。我们要猜冠军会是哪个国家。假设现在来了一个从未来穿越过来的机器人，它已经知道比赛结果。我们可以向它提问，它可以告诉我们，我们的猜测是“对”还是“错”，不过问它一次要给它一块钱。那么我们要问多少次（花多少钱）才能知道结果呢？ 很容易知道，我们问它5次就能知道结果（先猜冠军出现在1-16号，如果猜对，则继续猜1-8号；以此类推），也就是说需要花5块钱。 如果我们对当今足球的格局多一些了解，我们可以猜的更聪明一点：比如我们把巴西、德国、意大利、英格兰、法国、西班牙、葡萄牙少数几个实力强的国家放到一组，其余大多数国家放大另...
