抽象算法：字符串/字节比较/差异
Abstract Algorithm: String / Byte Comparison / Diff
这是一个比较抽象的问题，我还不知道如何解决，也没有找到合适的解决方案。
先从现在的情况说起吧。您将拥有一个 byte[] 数组（例如 ArrayList<byte[]>），在幕后实际上是字符串，但在当前状态下 byte[] 是首选。它们可以很长（每个 byte[] 数组超过 1024 个字节，而 ArrayList 可能包含多达 1024 个 byte[] 数组）并且可能具有不同的长度。此外，它们在 "same" 位置共享很多相同的字节（这是相对的，a = {0x41, 0x41, 0x61}, b = {0x41, 0x41, 0x42, 0x61} => 第一个 0x41和最后的 0x61 相同）。
我现在正在寻找一种可以将所有这些数组相互比较的算法。结果应该是差异最大的数组以及它们彼此之间的差异（某种度量）。此外，任务应该会在短时间内完成。
如果可能而不使用任何第三方库（但我怀疑在合理的时间内不使用第三方库是否可行）。
非常欢迎任何建议。
编辑：
做了一些调整。
编辑/解决方案：
我现在使用 Levenshtein 距离。此外，我做了一些细微的调整以提高运行时间/速度。这是非常特定于我正在处理的数据，因为我知道所有字符串都有很多共同点（而且我知道大致在哪里）。因此，与 Levenshtein 距离算法直接使用的两个未过滤的字符串（测试数据）相比，过滤该内容可将速度提高 400 倍。
感谢您的输入/回答，他们提供了很大的帮助。
The result should be the array that differs the most and how much they differ from each other (some kind of metric). Furthermore, the task should complete within a short time.
您将无法找到度量和时间独立的解决方案，它们是齐头并进的。
例如：如果您的指标类似于 post 中的示例，即 d(str1,str2) = d(str1.first,str2.first) + d(str1.last,str2.last)，那么解决方案非常简单：按第一个和最后一个字符对数组进行排序（可能分开） ，然后取排序数组的第一个和最后一个元素。这会给你 O(n logn) 排序。
但是如果您的指标类似于 "two sentences are close if they contain many equal words"，那么这根本不起作用，您最终会得到 O(n²)。 或者在对句子等进行排序之前，您也许可以想出一个巧妙的方法来重新排列句子中的单词。
因此，除非您有已知指标，否则它是 O(n²) 比较所有内容同时跟踪最大增量的简单（天真）实现。
我现在使用 Levenshtein 距离。此外，我做了一些细微的调整以提高运行时间/速度。这是非常特定于我正在处理的数据，因为我知道所有字符串都有很多共同点（而且我知道大致在哪里）。因此，与 Levenshtein 距离算法直接使用的两个未过滤的字符串（测试数据）相比，过滤该内容可将速度提高 400 倍。
感谢您的输入/回答，他们提供了很大的帮助。
这是一个比较抽象的问题，我还不知道如何解决，也没有找到合适的解决方案。
先从现在的情况说起吧。您将拥有一个 byte[] 数组（例如 ArrayList<byte[]>），在幕后实际上是字符串，但在当前状态下 byte[] 是首选。它们可以很长（每个 byte[] 数组超过 1024 个字节，而 ArrayList 可能包含多达 1024 个 byte[] 数组）并且可能具有不同的长度。此外，它们在 "same" 位置共享很多相同的字节（这是相对的，a = {0x41, 0x41, 0x61}, b = {0x41, 0x41, 0x42, 0x61} => 第一个 0x41和最后的 0x61 相同）。
我现在正在寻找一种可以将所有这些数组相互比较的算法。结果应该是差异最大的数组以及它们彼此之间的差异（某种度量）。此外，任务应该会在短时间内完成。
如果可能而不使用任何第三方库（但我怀疑在合理的时间内不使用第三方库是否可行）。
非常欢迎任何建议。
编辑：
做了一些调整。
编辑/解决方案：
我现在使用 Levenshtein 距离。此外，我做了一些细微的调整以提高运行时间/速度。这是非常特定于我正在处理的数据，因为我知道所有字符串都有很多共同点（而且我知道大致在哪里）。因此，与 Levenshtein 距离算法直接使用的两个未过滤的字符串（测试数据）相比，过滤该内容可将速度提高 400 倍。
感谢您的输入/回答，他们提供了很大的帮助。
The result should be the array that differs the most and how much they differ from each other (some kind of metric). Furthermore, the task should complete within a short time.
您将无法找到度量和时间独立的解决方案，它们是齐头并进的。
例如：如果您的指标类似于 post 中的示例，即 d(str1,str2) = d(str1.first,str2.first) + d(str1.last,str2.last)，那么解决方案非常简单：按第一个和最后一个字符对数组进行排序（可能分开） ，然后取排序数组的第一个和最后一个元素。这会给你 O(n logn) 排序。
但是如果您的指标类似于 "two sentences are close if they contain many equal words"，那么这根本不起作用，您最终会得到 O(n²)。 或者在对句子等进行排序之前，您也许可以想出一个巧妙的方法来重新排列句子中的单词。
因此，除非您有已知指标，否则它是 O(n²) 比较所有内容同时跟踪最大增量的简单（天真）实现。
我现在使用 Levenshtein 距离。此外，我做了一些细微的调整以提高运行时间/速度。这是非常特定于我正在处理的数据，因为我知道所有字符串都有很多共同点（而且我知道大致在哪里）。因此，与 Levenshtein 距离算法直接使用的两个未过滤的字符串（测试数据）相比，过滤该内容可将速度提高 400 倍。
感谢您的输入/回答，他们提供了很大的帮助。