O servidor que você não precisa comprar.

Onde isso se encaixa: banco de dados, telemetria, IoT, IA, embarcado

A pergunta é sempre a mesma — onde está a coluna de inteiros? Quando você começa a procurar, ela está em quase tudo, e quase sempre com oito bytes por elemento, porque a largura foi escolhida pela declaração do tipo e não pelo dado.

Cada uma delas em detalhe, com por onde começar →

Bytes é só um eixo. O outro é o que decide o custo de rodar.

Guardar menos byte é metade da história, e é a metade que todo mundo conta. A outra é o que dá para perguntar aos bytes sem antes transformá-los em outra coisa — e ela só aparece quando você tira os bytes da equação.

Este gráfico faz exatamente isso. A coluna é a mesma, e os dois formatos ocupam praticamente o mesmo espaço: 11,44 MB contra 11,45 MB. Com os bytes empatados, o que sobra no desenho é só processamento.

O par está implementado no seu melhor, com o dicionário sobre valores distintos ordenados — por isso o COUNT empata. É dizer isso que dá crédito às outras duas linhas. O SUM não tem esse atalho: um código não é um operando que se some. E os 7,9 ms da última linha não se movem com implementação melhor — é a definição do formato.

Um código de dicionário só faz sentido para o mecanismo que possui o dicionário. Um inteiro de largura nativa faz sentido para toda instrução da máquina — inclusive as que o formato de armazém não alcança sem antes materializar um buffer.

Todos os números, com o comando que reproduz cada um →

Como funciona, em três passos

int8_t cls = s2r_classify_array(v, n);

s2r_pool_init(&p, cls, n);

s2r_count_gt_fast(&p, 100);

São três formas, e a biblioteca escolhe entre elas medindo em vez de chutando: o pool plano, a forma afim (v = base + passo·i, com o passo achado por gcd) e a forma em blocos, cada bloco relativo ao próprio mínimo. O s2r_recommend() mede as três — porque a porta de entrada óbvia costuma ser a pior.

O mecanismo inteiro, e por que ele não pode aumentar o seu dado →

Contra o que você já tem hoje

Comparar contra "um dicionário" é comparar contra uma abstração. Quase ninguém tem uma em produção; quase todo mundo tem um SQLite. O repositório traz um comparador que roda no seu CSV e imprime a tabela inteira:

python benchmarks/maestro/smart2raw_bench.py os_seus_dados.csv

Python aqui é só o maestro: usa a biblioteca padrão para o SQLite e chama os kernels C reais por ctypes. Colunas que de fato precisam de 64 bits, ou que são ponto flutuante, aparecem com 0% de propósito — porque isso é escolher o tipo nativo certo, não comprimir.

A tabela completa, o que os 161× não são, e a linha de 1,18× em que quase não ganhamos →

Por que isso importa agora

Aberta sob AGPL-3.0. E existe uma versão que não é publicada.

A versão deste site é a completa e auditável: todo o núcleo, o formato .s2r, os predicados SIMD, a camada de análise, os ports e as 31 suítes de teste. Ela é livre para usar, estudar, modificar e redistribuir — sob AGPL-3.0-or-later, o que significa que tudo o que você construir em cima, inclusive software oferecido pela rede, é liberado sob a mesma licença.

Essa cláusula não é armadilha: é o que torna possível publicar uma versão inteira, auditável e citável sem abrir mão do direito comercial. Se o que você constrói não é publicado sob AGPL — produto vendido a clientes, SaaS, firmware, um dispositivo — então é uma licença comercial, e é uma conversa curta.

31 suítes de teste, 0 falhas · 100.950 checagens de fuzz diferencial com sementes fixas · 6 versões depositadas com DOI próprio · 2 defeitos encontrados e publicados com o caso mínimo que reproduz cada um

Por que dá para conferir tudo o que está nesta página

A demonstração acima não é uma imitação escrita em JavaScript. É o próprio include/smart2raw.h, compilado para WebAssembly e rodando no seu navegador. Quando ela informa um tamanho, quem respondeu foi o s2r_pool_bytes(); quando oferece um .s2r para baixar, quem escreveu aqueles bytes foi o s2r_blocked_save().

E todo número que pode ser conferido contra um laço ingênuo é conferido, antes de ser impresso. Uma divergência acende um selo vermelho em vez de imprimir um número bonito.