在用map-reduce進行倒排索引的建立的時候，進入文檔的編號已經有序了，按照升序排序，這時候可以對文檔編號進行壓縮。例如，最開始的時候文檔序列如下：
通過“相鄰差”的方式對文檔id進行壓縮，結果如下
，第二個文檔的文檔號7保存成第一個文檔與第二個文檔的差值，2=7-5，同理，第3個文檔12保存成與第二個文檔的差值，5=12-7。。。。，採取這種方式，差值的最差情況是：最大文檔號-最小文檔號。
從數字的角度來看， 缺失降低了數字的大小，但是從佔用空間的角度來講，並沒有降低數字的大小。int類型假如佔4個字節的話，那麼可以存儲的最大的非負整數是2**32，所以， 數字7和數字12都是佔用同樣4字節的空間。問題的核心是採用了int類型的定長編碼方式，如果採取非定長編碼，則可以解決這個問題。
4.5.1字節對齊的和字對齊的編碼
爲了降低編碼的長度，節約存儲空間，引入了可變長編碼varInt，varInt的最高位是1的話，表示當前bit是最後一個bit，否則爲0，表示不是最後一個bit，這樣的話每個字節有7位可以使用，1個字節表示的最大值是127。
用1個字節編碼，
用兩個字節編碼，
用三個字節。。。
127,128的編碼如下，
1 1111111, 0 0000001 1 0000000，這種編碼的壞處是解碼的時候，需要移位運算，還有frequent branch mispredict。
一種改進的辦法是Jeff Dean在WSDM上提出的辦法，將每四個字節一起編碼，然後用一個字節的prefix來表示後續四個字節的長度，例如00,00，01,10表示後續的4個字節的長度分別是1,1,2,3字節。這樣一組的的長度最短是5個字節，最長的長度是17個字節。將所有的前綴(prefix)表存起來，在進行解碼的時候直接查表，就能將後續4個字節一起解析出來。通過這種方式比上面的varInt方式速度能提高2倍。
對於大多數機器體系，常常一下子讀入一個字的長度，因此基於字對齊的壓縮編碼更常用，其中最常用的是simple-9，基於32bit，4字節的編碼。32bit中4bit保留作爲selector，剩餘的28bit用來對數據進行編碼。例如28bit可以存儲28個1bit的數據，或者14個2bit的數據。。直到3個9bit的數據（有一位未使用），公有9種方式，所有交simple-9。
4.5.2bit對齊的編碼
首先需要介紹下前綴編碼。如果在對字符的2進制編碼中不存在某一個字符的編碼是另一個字符編碼的前綴，那麼就稱這種編碼方式爲非前綴編碼，Huffman編碼就是一種非前綴編碼。
其中，unary是最簡單的前綴編碼。一個數字x表示成x-1個1，然後在結尾加一個0完成編碼。例如上圖中的9的編碼是8個1，然後在結尾加一個0。這種方式編碼的缺點很明顯，對1000進行編碼時，需要999個1，對大數據肯定是不行的。
在實際的使用中最多。對於一個數字x，對於
部分，採用了上面提到的unary編碼，而對剩餘的部分
則將其轉換成二進制，並用n-1bit進行編碼。例如，當x=10的時候，
4，對應的unary編碼是1110，對於剩餘的部分
最終的編碼爲1110:010。
解碼的時候也很方便，只需要先讀入unary編碼，假設unary解碼的結果是4，然後讀入4-1=3bit的數據111，轉換成數字，則最終的數字x是2**3+7=15。對於小於16的數，佔用的bit小於8個字節
前面提到的都是無參數編碼，下面介紹一種有參數的編碼。叫着Golomb code。對於一個數x，參數b，首先計算
部分，並且將q+1用unary編碼，剩餘
用截斷二進制編碼（truncated binary）。例如假如x=2，b=5，則q=0，r=1.0的unary編碼是0。對於10，q=1，對應q+1爲10，r=4。
如果b是2的指數倍，則結果就是原數字的二進制編碼。
否則，對於r，
值編碼到
，對於b=5, 則3被編成11，而將剩餘的
值編碼到
，r=4剩餘的部分是4-3=1編碼到1。
truncated binary，wikipedia的介紹如下http://en.wikipedia.org/wiki/Truncated_binary_encoding
<