Bijou64 是一篇讨论新的 variable-length integer encoding 的设计：前 1 个字节直接给出长度，0x00–0xF7 用作单字节值，较大的值则用首字节指明后续字节数，因此每个整数只有一种 canonical representation。评论把它放到 LEB128（DWARF 调试信息和 WASM（WebAssembly，一种在浏览器与运行时里使用的字节码格式）常用的变长整数）这个老问题上比较，因为 LEB128 允许 overlong encoding，而这会牵涉链接、签名、内容寻址和解析一致性。很多人又把话题扩展到 protobuf、QUIC、SQLite 的 varint 以及 BER-TLV（ASN.1 相关的长度-值编码），讨论它们在压缩率、SIMD 解码、边界检查和可补丁性之间的权衡。还有人指出，编译器链接、流式写入和协议封装等场景会故意保留“多字节但不唯一”的表示，以便先预留空间、后回填长度。
一部分评论认为 Bijou64 在 SIMD 场景下并不占优，因为它的后续字节依赖首字节，边界信息不如 ULEB128 那样固定、可提前批量探测。相比之下，ULEB128 可以用 continuation bit 很快找出多个边界，更容易在一个向量窗口里并行处理。也有人反驳说，单值解码本身仍然可以用 SIMD 指令完成，只是它和真正的 byte-parallel codec 属于不同设计空间。讨论最后基本收敛到：如果是批量解析大量整数、搜索倒排表或类似场景，边界可预测性比“第一字节看出长度”更关键。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11]
很多评论把焦点放在 canonicality 上，认为同一数值只有一种合法表示，能减少解析器分歧和隐藏 bug。有人举出 UTF-8 overlong encoding、ASN.1 BER/DER、SAML XML signature wrapping 和 Bitcoin transaction malleability 之类的经典问题，说明非唯一编码会给签名、内容寻址和互操作带来麻烦。还有人提到 fuzzing 时，只有单一编码时更容易做 round-trip 检查，因为测试工具不会很快被“替代表示”分流。也有人指出，严格规范化并不自动消灭漏洞，range check、overflow check 和边界验证仍然必须做。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12]
另一组评论强调，非规范编码在工程上是有用的，尤其是在先占位、后回填长度的场景里。编译器链接时常常不知道最终地址，先用最宽形式写入可以避免把后面的代码整体挪位；流式写入 msgpack、重写媒体容器、或在缓冲区里预留长度字段时也会用到类似技巧。有人认为这类设计的核心价值不是“省字节”，而是让写入流程不必做两遍编码。也有人提醒，若把这种技巧当成默认方案，容易掩盖更好的数据布局选择。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9]
评论区不断拿 Bijou64 和现有 varint 方案做横向对比，尤其是 LEB128、protobuf varints、SQLite varints 和 QUIC varint。有人指出 SQLite3 的 varint 是 big-endian 的 1-9 字节方案，而 SQLite4 的思路更接近这里讨论的方向；也有人提到 vu128、VByte、Elias omega coding 和 metric/imperial varint 作为相关探索。讨论普遍认为，Bijou64 的优点是小整数表示更直观、uint64 范围内不需要第 10 个字节，但代价是放弃了 LEB128 那种从任意位置快速定位边界的能力。整体上，大家承认没有一种 varint 能同时在压缩率、速度、可流式解析和实现简单性上都赢。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13]
还有人专门盯住这个设计的上限：它只面向 uint64，而不是任意精度整数，因此在 bigInt 风格用途上会显得局促。更大的担忧是实现细节：如果忘了处理首字节的最大值分支，或者没有把 end_address / max_read 之类的限制传进去，就可能出现越界读、wraparound 或错误偏移。评论里有人认为这种风险并不比 LEB128 更低，只是把错误形态换了一种；也有人觉得只要 decoder 写得足够严格，这些都只是普通的边界检查问题。总体看，这种格式的“简化”会把压力从 canonicality 转移到 overflow 和 buffer validation 上。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9]
varint: variable-length integer 的简称，用可变字节数表示整数以节省小数值空间。
LEB128: Little Endian Base 128，一种常见的变长整数编码，靠 continuation bit 连接多个字节。
ULEB128: unsigned LEB128，LEB128 的无符号版本，常用于 DWARF、WASM 等格式。
SIMD: Single Instruction, Multiple Data，用向量指令并行处理多个数据。
canonicality: 规范化/唯一表示属性；同一个值只有一种合法编码。
overlong encoding: 用比必要更多的字节表示同一值的非规范编码。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。