標籤：rabin fingerprint super fingerprint super feature
基於內容的變長分塊（CDC）技術，可以用來對檔案進行變長分塊，而後用來進行重複性檢測，廣泛用於去重系統中。後來又出現了對相似資料區塊進行delta壓縮，進一步節省儲存開銷。所以就需要一種高效的相似性檢測演算法，在論文 WAN Optimized Replication of Backup Datasets Using Stream-Informed Delta Compression 提出的super-features 演算法具有很好的效果。主要思想是在滑動視窗進行分塊的過程中，通過一個視窗的rabin fingerprint 我們可以隨機的得到一個數值，如果它比這個塊中所有視窗w的rabin指紋都大，就把它記為一個特徵值 feature-i，通過這樣的方法得到的多個feature，計算rabin 指紋得到的就是超級特徵值SF，每個SF有四個特徵值得到。
下面是對幾個檔案簡單的測試結果，這裡每個檔案產生倆超級特徵值（如果兩個檔案有一個super feature一樣，就可以認為它們相似性很高），效果比simhash好（缺乏大量資料集論證）。
F1,F2,F3 分別在F的基礎上頭，尾，中間加入額外位元組，發現得到的兩個超級特徵值都一樣 Supfeature[0]=5465959093573163876，Supfeature[1]=7673021043978770954。F4是一個完全不同的檔案， Supfeature[0]=2682386775420212619，Supfeature[1]=3509276326591445061。
參考：1. Philip Shilane-WAN Optimized Replication of Backup Datasets Using Stream-Informed Delta Compression2.Some applications of rabin‘s fingerprinting method.
