① 矩阵的压缩存储是什么
二维数组在形式上是矩阵，因此一般用二维数组来存储矩阵。在不压缩存储的情况下，矩阵采用按行优先或按列优先方式存储，占用的存储单元数等于矩阵的元素个数。在实际应用中，经常出现一些阶数很高的矩阵，同时在矩阵中非零元素呈某种规律分布或者矩阵中有大量的零元素，若仍然用常规方法存储，可能存储重复的非零元素或零元素，这将造成存储空间的大量浪费。因此对这类矩阵进行压缩存储，从而合理地利用存储空间。
为了节省存储空间，可以利用特殊矩阵的规律，对它们进行压缩存储，也就是说为多个值相同的元素只分配一个存储单元，对零元素不分配空间。适合压缩存储的矩阵一般是值相同的元素或者零元素在矩阵中分布有一定规律的特殊矩阵和稀疏矩阵。常见的特殊矩阵有对称矩阵、三角矩阵和对角矩阵。
② 列式数据库的举例
下面以GBase 8a分析型数据库为例，描述列存储对数据存储与管理的作用。
面对海量数据分析的 I/O 瓶颈，GBase 8a 把表数据按列的方式存储，其优势体现在以下几个方面。
不读取无效数据：降低 I/O 开销，同时提高每次 I/O 的效率，从而大大提高查询性能。查询语句只从磁盘上读取所需要的列，其他列的数据是不需要读取的。例如，有两张表，每张表100GB 且有100 列，大多数查询只关注几个列，采用列存储，不需要像行存数据库一样，将整行数据取出，只取出需要的列。磁盘 I/0 是行存储的 1/10或更少，查询响应时间提高 10 倍以上。
高压缩比：压缩比可以达到 5 ~ 20 倍以上，数据占有空间降低到传统数据库的1/10 ，节省了存储设备的开销。
当数据库的大小与数据库服务器内存大小之比达到或超过 2:1 （典型的大型系统配置值）时，列存的 I/O 优势就显得更加明显；
GBase 8a 分析型数据库的独特列存储格式，对每列数据再细分为“数据包”。这样可以达到很高的可扩展性：无论一个表有多大，数据库只操作相关的数据包，性能不会随着数据量的增加而下降。通过以数据包为单位进行 I/O 操作提升数据吞吐量，从而进一步提高I/O效率。
由于采用列存储技术，还可以实现高效的透明压缩。
由于数据按列包存储，每个数据包内都是同构数据，内容相关性很高，这使得GBase 8a 更易于实现压缩，压缩比通常能够达到 1:10 甚至更优。这使得能够同时在磁盘 I/O 和 Cache I/O 上都提升数据库的性能，使 GBase 8a 在某些场景下的运算性能比传统数据库快 100 倍以上。
GBase 8a 允许用户根据需要设置配置文件，选择是否进行压缩。在启用压缩的情况下GBase 8a 根据数据的不同特性以及不同的分布状况，自动采用相应的压缩算法，如：
行程编码（适用于大量连续重复的数据，特别是排序数据）；
基于数据的差值编码（适用于重复率低，但彼此差值较小的数据列）；
基于位置的差值编码（适用于重复率高，但分布比较随机的数据列）。
③ 什么是数据库列存储，原理是怎样的
数据库列存储不同于传统的关系型数据库，其数据在表中是按行存储的，列方式所带来的重要好处之一就是，由于查询中的选择规则是通过列来定义的，因 此整个数据库是自动索引化的。
按列存储每个字段的数据聚集存储，在查询只需要少数几个字段的时候，能大大减少读取的数据量，一个字段的数据聚集存储，那就 更容易为这种聚集存储设计更好的压缩/解压算法。这张图讲述了传统的行存储和列存储的区别：
④ 1.栅格数据存储的压缩编码有几种各有什么优点和缺点
2.1.6 栅格数据存储的压缩编码 1 直接编码 直接栅格编码是最简单最直观而又非常重要的一种栅格结构编码方法，通常称这种编码为图像文件或栅格文件。直接编码就是将栅格数据看作一个数据矩阵，逐行（或逐列）逐个记录代码，可以每行都从左到右逐象元记录，也可奇数行从左到右，而偶数行由右向左记录，为了特定目的还可采用其它特殊的顺序,右图直接编码可表示为矩阵： 2 链式编码 链式编码又称为弗里曼链码（Freeman,1961）或边界链码。由某一原点开始并按某些基本方向确定的单位矢量链。基本方向可定义为：东＝0，南＝3，西＝2，北＝1等。右图多边形边如果确定原点为像元（10，1），则该多边形界按顺时方向的链式编码为：
链式编码对多边形的表示具有很强的数据压缩能力，且具有一定的运算功能，如面积和周长计算等，探测边界急弯和凹进部分等都比较容易。但是，叠置运算如组合、相交等则很难实施，
3 行程编码 行程编码1 只在各行（或列）数据的代码发生变化时依次记录该代码以及相同代码重复的个数。左图可沿行方向进行行程编码： 行程编码2 逐个记录各行（或列）代码发生变化的位置和相应的代码，左图可沿列方向进行行程编码：
1列：（1，3），（3，1）；
2列：（1，3），（4，1）；
3列：（1，3），（5，1）；
4列：（1，4），（2，3），（5，1）；
5列：（1，4），（4，3），（6，2），（7，1）；
6列：（1，4），（4，2）；
7列：（1，4），（4，2）；
8列：（1，4），（3，2）。 行程编码3 按行（或列）记录相同代码的始末象元的列号（或行号）和相应的代码，左图可沿行方向进行程编码：
4 块式编码 把多边形范围划分成由象元组成的正方形，然后对各个正方形进行编码。块式编码数据结构中包括3个数字：块的初始位置（行、列号）和块的大小（块包括的象元数），再加上记录单元的代码组成。左图块式编码：
5 四叉树编码2.1.6 栅格数据存储的压缩编码 1 直接编码 直接栅格编码是最简单最直观而又非常重要的一种栅格结构编码方法，通常称这种编码为图像文件或栅格文件。直接编码就是将栅格数据看作一个数据矩阵，逐行（或逐列）逐个记录代码，可以每行都从左到右逐象元记录，也可奇数行从左到右，而偶数行由右向左记录，为了特定目的还可采用其它特殊的顺序,右图直接编码可表示为矩阵： 2 链式编码 链式编码又称为弗里曼链码（Freeman,1961）或边界链码。由某一原点开始并按某些基本方向确定的单位矢量链。基本方向可定义为：东＝0，南＝3，西＝2，北＝1等。右图多边形边如果确定原点为像元（10，1），则该多边形界按顺时方向的链式编码为： 链式编码对多边形的表示具有很强的数据压缩能力，且具有一定的运算功能，如面积和周长计算等，探测边界急弯和凹进部分等都比较容易。但是，叠置运算如组合、相交等则很难实施， 3 行程编码 行程编码1 只在各行（或列）数据的代码发生变化时依次记录该代码以及相同代码重复的个数。左图可沿行方向进行行程编码： 行程编码2 逐个记录各行（或列）代码发生变化的位置和相应的代码，左图可沿列方向进行行程编码：1列：（1，3），（3，1）； 2列：（1，3），（4，1）； 3列：（1，3），（5，1）； 4列：（1，4），（2，3），（5，1）； 5列：（1，4），（4，3），（6，2），（7，1）； 6列：（1，4），（4，2）； 7列：（1，4），（4，2）； 8列：（1，4），（3，2）。 行程编码3 按行（或列）记录相同代码的始末象元的列号（或行号）和相应的代码，左图可沿行方向进行程编码： 4 块式编码 把多边形范围划分成由象元组成的正方形，然后对各个正方形进行编码。块式编码数据结构中包括3个数字：块的初始位置（行、列号）和块的大小（块包括的象元数），再加上记录单元的代码组成。左图块式编码： 5 四叉树编码 四叉树分割 将图像区域按四个大小相同的象限四等分，每个象限又可根据一定规则判断是否继续等分为次一层的四个象限，无论分割到哪一层象限，只要子象限上仅含一种属性代码或符合既定要求的少数几种属性时，则停止继续分割。否则就一直分割到单个象元为止。按照象限递归分割的原则所分图像区域的栅格阵列应为2n×2n（n为分割的层数）的形式。 四叉树结构 把整个2n×2n象元组成的阵列当作树的根结点，树的高度为ｎ级（最多为ｎ级）。每个结点有分别代表南西（SW）、南东（SE）、北西（NW）、北东（NE）四个象限的四个分支。四个分支中要么是树叶，要么是树叉。树叶代表不能继续划分的结点，该结点代表子象限具有单一的代码；树叉不只包含一种代在码，必须继续划分，直到变成树叶为止。 四叉树编码 1 指针四叉树编码 通过在子结点与父结点之间设立指针的方式建立起整个结构。按这种方式，四叉树的每个结点通常存储6个量，即四个子结点指针、一个父结点指针和该结点的属性代码。这种方法除了要记录叶结点外，还要记录中间结点，一般要占用较大存储空间。 2 线性四叉树编码 为美国马里兰大学地理信息系统中采用的编码方法，该方法记录每个终止结点（或叶结点）的地址和值，值就是子区的属性代码，其中地址包括两部分，共32位（二进制），最右边4位记录该叶结点的深度，即处于四叉树的第几层上，有了深度可以推知子区大小；左边的28位记录路径，从右边第五位往左记录从叶结点到根结点的路径，0，1，2，3分别表示SW、SE、NW、NE。28位 4位 0 0 0 0 ... ... 0 0 0 0 1 1 1 0 0 0 1 1（路径0SW,3NE,2NW） 0 3 2 深度3记录了各个叶子的地址，再记录相应代码值，就记录了整个图像。 四叉树优点 1.容易而有效地计算多边形的数量特征； 2.阵列各部分的分辨率是可变的，边界复杂部分四叉树较高，即分级多，分辨率也高，而不需要表示许多细节的部分则分级少，分辨率低，因而既可精确表示图形结构又可减少存储量； 3.栅格到四叉树及到四叉树到简单栅格结构的转换比其他压缩方法容易； 4.多边形中嵌套异类多边形的表示较方便。 四叉树分割 将图像区域按四个大小相同的象限四等分，每个象限又可根据一定规则判断是否继续等分为次一层的四个象限，无论分割到哪一层象限，只要子象限上仅含一种属性代码或符合既定要求的少数几种属性时，则停止继续分割。否则就一直分割到单个象元为止。按照象限递归分割的原则所分图像区域的栅格阵列应为2n×2n（n为分割的层数）的形式。 四叉树结构 把整个2n×2n象元组成的阵列当作树的根结点，树的高度为ｎ级（最多为ｎ级）。每个结点有分别代表南西（SW）、南东（SE）、北西（NW）、北东（NE）四个象限的四个分支。四个分支中要么是树叶，要么是树叉。树叶代表不能继续划分的结点，该结点代表子象限具有单一的代码；树叉不只包含一种代在码，必须继续划分，直到变成树叶为止。 四叉树编码 1 指针四叉树编码 通过在子结点与父结点之间设立指针的方式建立起整个结构。按这种方式，四叉树的每个结点通常存储6个量，即四个子结点指针、一个父结点指针和该结点的属性代码。这种方法除了要记录叶结点外，还要记录中间结点，一般要占用较大存储空间。 2 线性四叉树编码 为美国马里兰大学地理信息系统中采用的编码方法，该方法记录每个终止结点（或叶结点）的地址和值，值就是子区的属性代码，其中地址包括两部分，共32位（二进制），最右边4位记录该叶结点的深度，即处于四叉树的第几层上，有了深度可以推知子区大小；左边的28位记录路径，从右边第五位往左记录从叶结点到根结点的路径，0，1，2，3分别表示SW、SE、NW、NE。
28位 4位
0 0 0 0 ... ... 0 0 0 0 1 1 1 0 0 0 1 1
（路径0SW,3NE,2NW） 0 3 2 深度3
记录了各个叶子的地址，再记录相应代码值，就记录了整个图像。 四叉树优点 1.容易而有效地计算多边形的数量特征； 2.阵列各部分的分辨率是可变的，边界复杂部分四叉树较高，即分级多，分辨率也高，而不需要表示许多细节的部分则分级少，分辨率低，因而既可精确表示图形结构又可减少存储量； 3.栅格到四叉树及到四叉树到简单栅格结构的转换比其他压缩方法容易； 4.多边形中嵌套异类多边形的表示较方便。
⑤ 设有一个 10 × 10的对称矩阵 A采用压缩方式进行存储，存储时以按行优先的顺序
对称矩阵且存储的是下三角，那你首先得看a65是在下三角还是上三角，因为上三角的值是由下三角对称的值来存储的。6>5，a65在下三角。按行存储下三角，从第一行开始分别存储1,2,3,...个元素，a65表示第7行的第6个元素，那他前面的数据占的字节就是(1+2+3+4+5+6+5)*2=52，所以a65的地址是下一个53
⑥ Mysql是列式存储吗，或者说mysql支持列式存储吗
大数据（巨量数据集合（IT行业术语））
大数据（big data），指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
⑦ Sybase数据库的基本原理： （1）、列方式的存储，可以减少IO 那个IO是什么
列存储——有别于传统的关系型数据库，Sybase IQ是按照数据表中的列来存储与访问数据的。基于列来读取数据，即使在数据不断膨胀的情况下，你也只须读出你想要了解的数据，避免了重复的全面扫描，显着提供查询速度，进而提升了性能指数P；同时，由于同一列中的所有数据域有相同的数据类型，因此，每一列都可以以更优化的效率和检索进行压缩，从而降低了占用的资源T。
数据压缩——正是由于数据按列存储，相邻的字段值具有相同的数据类型，所以压缩更容易，通常能得到大于50%的压缩。在海量数据下，随着数据的大幅压缩，所占用的空间等资源成本会显着减少。因此，更大的压缩比，加上大页面，使得Sybase IQ在获得优良查询性能的同时，减少了对存储空间的需求，因此占用的资源T也大大降低了。
丰富的索引——传统的关系型数据库引擎只能一对一地解决问题，在数据爆炸的今天，如此“大海捞针”似的查询会令反应速度非常迟缓。而Sybase IQ针对数据仓库应用有多种不同的索引技术，并且这些技术中的每一个都与数据仓库的查询问题相吻合，从而显着减少给定查询或更新的工作量，加快查询速度，自然带动性能P的提升。
Multiplex可扩展能力——Sybase IQ的Multiplex组件增加了在单一的Sybase IQ环境中支持多个SMP机器节点的功能，显着地减轻了进程与内存负担。因此，在信息飞速增长的商业社会，它允许数据仓库从基础开始扩展，从很小的规模扩展到非常巨大的规模，拥有卓越的可扩展能力，避免了数据爆炸带来的更新和不便。
总之，正是凭借以上引领未来的核心科技，Sybase IQ 在保证数据压缩的目标下，能够同时提高查询性能。因此，不论以S/T(即数据库压缩比)、P/T，还是从整体SPoT公式来看，Sybase IQ 都拥有更高的绿色数据指标，是“绿色数据库”的完美体现。
信息飞速膨胀的时代呼唤有效利用资源的绿色科技。绿色数据库Sybase IQ是对传统商业智能软件的挑战，引领了未来关系型数据库的发展方向，其低成本、高效能的绿色效应必将促进企业健康持久成长，营造和谐持续发展的绿色信息环境。
⑧ 在Huffman编码时，我得到一长串的0、1序列，希望能通过某种方式存储该序列，真正实现压缩！
http://..com/question/35584469.html
⑨ 内存压缩的原理
就是把“占着毛坑不拉丝”的清除出去
⑩ 稀疏矩阵一般的压缩存储方法有两种
分别是三元组和十字链表。
三元组是指形如（（x，y），z）的集合（这就是说，三元组是这样的偶，其第一个射影亦是一个偶），常简记为（x，y，z）。
三元组是计算机专业的一门公共基础课程——数据结构里的概念。主要是用来存储稀疏矩阵的一种压缩方式，也叫三元组表。假设以顺序存储结构来表示三元组表（triple table），则得到稀疏矩阵的一种压缩存储方式，即三元组顺序表，简称三元组表。
十字链表（Orthogonal List)是有向图的另一种链式存储结构。该结构可以看成是将有向图的邻接表和逆邻接表结合起来得到的。用十字链表来存储有向图，可以达到高效的存取效果。同时，代码的可读性也会得到提升。
拓展资料：
十字链表（Orthogonal List)是有向图的另一种链式存储结构。可以看成是将有向图的邻接表和逆邻接表结合起来得到的一种链表。在十字链表中，对应于有向图中每一条弧都有一个结点，对应于每个定顶点也有一个结点。
十字链表之于有向图，类似于邻接表之于无向图。
也可以理解为 将行的单链表和列的单链表结合起来存储稀疏矩阵称为十字链表， 每个节点表示一个非零元素。
三元组解释：
1、所谓“三元组”是指图形的几何元素构成、图线间的拓扑关系和尺寸约束。如果一组图形的前二元相同而只是尺寸大小不同，则这组图形构成一族形状相同的系列化图形。
2、把组成一个元素的三个数称为三元组。一个三元组包含以下三部分的内容SDO_STARTING_OFFSET表明每个几何元素的第一个坐标在SDO_ORDINATES数组中的存储位置。
3、…Mt：N2）的表示称为三元组...…Mt称为标号，N1、N2为结点R为关系。当n≠0时，称Li为对结点N1的修饰。t≠0时，称Mj为对结点N2的修饰。
参考资料：网络：十字链表
网络：三元组