短整型是压缩后的存储载体，关键在于用更少比特表达相同业务含义并保持时序访问能力；通过识别可降精度字段、分块索引、delta编码、对齐存储及轻量元数据管理，实现高压缩比与毫秒级随机访问。
短整型本身不是压缩手段，而是压缩后的存储载体。真正起效的是“用更少比特表达相同业务含义”，再配合结构化组织。难点不在类型切换，而在如何让压缩不牺牲时序数据的关键访问能力。
压缩起点：识别可降精度的字段
时序数据中大量字段天然适合短整型替代：
- 传感器状态码（0/1/2/3）、设备运行模式（1~8）、告警等级（1~5）——完全可用 uint8 表示；
- 温度、湿度、电压等物理量，若原始精度为 float32（±3.4e38），但业务仅需 ±50℃±0.1℃，则可用 int16 编码：偏移+缩放后映射为 0~1000，占 2 字节而非 4；
- 时间戳差值（delta time）：秒级或毫秒级数据相邻点间隔常在几毫秒至几秒之间，用 int16 存储与上一时刻的差值，比存完整时间戳（int64）节省 6 字节。
结构难点：压缩后仍需 O(1) 下标随机访问
直接把 int32 数组转成 int16 数组看似省一半内存，但若后续要频繁读取第 N 条记录（如画波形图、做滑动窗口计算），就必须支持快速定位。而变长编码（如 VLQ）会破坏地址连续性。
解决方法是分块索引：
- 将压缩后的 short[] 按固定条数（如 1024 条）切分为“数据块”；
- 额外维护一个 int32[] 索引数组，记录每个块在 byte 流中的起始偏移；
- 查第 N 条时，先二分查到所属块号，再按块内偏移 × sizeof(short) 计算位置——仍为 O(log B + 1)，B 是块数，实际性能接近 O(1)。
时序特性必须适配：时间局部性与批量写入
短整型压缩若脱离时序场景特征，容易变成“伪优化”。例如：
- 不做 delta 编码，直接截断 float → short，会丢失单调趋势，影响异常检测；
- 未对齐缓存行（如 64 字节），导致单次读取跨 cache line，反而拖慢向量化加载；
- 忽略写多读少特性，在每次写入都做解压-改值-重压，引入冗余计算。
正确做法是：写入路径只做一次压缩（如 float → int16 + scale/offset 元信息），存入对齐的 short buffer；读取路径按块批量解压到 SIMD 寄存器处理，避免逐点转换。
配套不可少：元信息轻量管理
压缩必然带来语义损失，必须附带轻量元数据才能还原业务意义：
- 每个 short 字段旁存 1~2 字节描述符：标明是否 delta 编码、缩放因子（10⁻¹/10⁻²）、零点偏移；
- 时间字段单独管理：主时间戳用 int64，其余用 int16 delta，复原时累加即可；
- 所有元信息集中存放于 header 区，不随每条数据重复，避免膨胀。
这样，1000 万条含 5 个传感器字段的秒级数据，原始 float32 占约 200MB；经 short 压缩 + delta + header，可压至 35~45MB，且保持毫秒级随机访问和向量化计算能力。
