describe decode helper func

Docs/set:version.md

@@ -35,7 +35,7 @@ struct set *set_free(struct set *set);
 
 - 1: set1 > set2
 - 0: set1 == set2
-- -1: set1 < set2 (aka set1 \subset set2)
+- -1: set1 < set2
 - -2: set1 != set2
 - -3: set1 decoder error
 - -4: set2 decoder error
@@ -44,9 +44,7 @@ struct set *set_free(struct set *set);
 
 ### `set_new()`
 
-Создаёт пустой объект `struct set`.
+Создаёт пустой объект `struct set` — контейнер для строк символов и их будущих hash-значений.
-
-Внутри `struct set` — это временный контейнер для строк символов и их будущих hash-значений.
 Из релизации:
 
 > internally struct set is just a bag of strings and their hash values.
@@ -102,9 +100,10 @@ set-строка
 
 ### hash
 
-Для каждого элемента (строки) высчитывается 32-битный хэш и обрезается до `bpp` бит
+Для каждого элемента (строки) высчитывается 32-битный хэш и обрезается до `bpp` младщих бит
 
 ```c
+unsigned mask = (1u << bpp) - 1;
 set->sv[i].v = hash(set->sv[i].s) & mask;
 ```
 
@@ -135,7 +134,7 @@ unsigned *v = {1, 3, 12, 8};
 
 ### Rice-Golomb
 
-> `encode_golomb()` - Main golomb encoding routine: package integers into bits.
+> `encode_golomb()` - main golomb encoding routine: package integers into bits.
 
 Для сокращения длины итоговой строки применяется Rice-Golomb кодирование, которое позволяет с параметром `Mshift` записать число `n` как `n >> Mshift`, записанный последовательностью нулей и `n & 2^Mshift` записанный стандартным двоичным кодированием. Целая часть и остаток разделяется единичном битом.
 
@@ -220,7 +219,115 @@ set-строка
 массив хэшей
 ```
 
-После массивы хэшей сравниваются между собой на наличие жлементов одного массива в другом.
+После массивы хэшей сравниваются между собой на наличие элементов одного массива в другом.
+
+## Магия внутри `rpmsetcmp()`
+
+1. У строки обрезается префикс `set:`, если он присутствует, декодируется значение `bpp` и `Mshift` с помощью `decode_set_init()`
+2. `set1` декодируется с помощью `cache_decode_set()`
+3. `set2` декодируется с помощью `decode_set()`
+4. для каждого массива хэшей (`v1` и `v2`) создаётся два буферных массива `v(1|2)buf(A|B)` для функции `downsample_set()`
+5. С помощью функции `downsample_set()` `bpp` обоих хэшей выравнивается до минимального из `bpp1` и `bpp2`.
+6. Создаётся два флага `ge` и `le`, для определения вложенности множеств
+7. Вложенность множеств проверяется с помощью 3х макросов: `IFGE` `IFLT4` `IFLT8`
+8. Возвращается значение в зависимости от вложенности:
+   - 1: set1 > set2
+   - 0: set1 == set2
+   - -1: set1 < set2
+   - -2: set1 != set2
+
+### `decode_set()`
+
+### `cache_decode_set()`
+
+> `cache_decode_set()` - special decode_set version with LRU caching.
+
+Возвращает количество элементов хэша в массиве, помещает указатель `*pv` на массив хэшей.
+
+Внутри `cache_decode_set()` создаются статические массивы:
+
+- `static unsigned hv[CACHE_SIZE]` - для хранения fingerprint set-строки
+- `static struct cache_ent *ev[CACHE_SIZE]` - для хранения полной информации о декодированной строке
+
+В качестве fingerprint используется простой и быстро вычисляемый
+
+```c
+unsigned hash = str[0] | (str[2] << 8) | (str[3] << 16);
+```
+
+массивы `hv` и `ev` представляют из себя аналог LRU кэша размером `CACHE_SIZE=256`.
+
+Если fingerprint set-строки на декодирование совпал с имеющимся в `hv` массиве, проверяется полное соответствие строки с `ev[i]->str`. В случае hit - элемент помещается на нулевую позицию, остальные элементы сдвигаются.
+При неудачной проверке полной set-строки, поиск по кэшу продолжается.
+
+В случае, если элемента не оказалось в кэше, строка декодируется функцией `decode_set()`, добавляется `SENTINELS=8` бит и помещается в кэш следующим образом:
+
+- Если кэш не заполнен, декодируемая строка записывается на первую свободную позицию
+- Если кэш заполнен, элемент ставится на `PIVOT_SIZE=243` позицию, элементы с этой позиции сдвигаются.
+
+#### `SENTINELS` биты
+
+Данные `~0u` биты необходимы при дальнейшем проходе по массиву внутри функции `rpmsetcmp()`, т.к. там происходят прыжки по 4 и 8 элементов.
+
+### `downsample_set()`
+
+> `downsample_set()` - Reduce a set of (bpp + 1) values to a set of bpp values
+
+Входной массив для работы - `v`.
+Итоговый массив будет доступен по указателю `w`.
+Возвращаемое значение - количество элементов в новом массиве `w`.
+
+Т.к. первоначальный входной массив отсортирован, после обрезания до `bpp` бит, массив будет поделён на две части, обе из которых будут отсортированны. Деление массива будет происходить в месте, где старший бит на позции `bpp+1` становится равным `1`.
+
+Далее обе половины массива объединяются в буфере `w`, дубликаты значений удаляются.
+
+Пример:
+
+```text
+v = [1, 3, 6, 8, 10, 14]
+bpp = 3
+mask = 7
+v_mask = [1, 3, 6, 0, 2, 6]
+w = [0, 1, 2, 3, 6]
+return value = 5
+```
+
+### Макросы `IFGE` `IFLT4` `IFLT8`
+
+#### Макросы `IFLT*`
+
+`IFLT8` быстро продвигают `v1`, пока `*v1 < v2val`. Сперва макрос "грубо" прыгает по 8 элементов, далее уточняет с шагом 4, 2, 1.
+
+```text
++8 +8 +8 ...  // грубый поиск
+-4            // откат
+±2            // уточнение
+±1            // уточнение
++1 возможно   // финальная коррекция
+```
+
+В итоге `v1` оказывается на первом элементе, который не меньше `v2val`.
+
+`IFLT4` делает аналогичную работу, но с шагом в `4`. `IFLT8` выбирается в случае, когда массив `v1` превосходит по размеру массив `v2` более чем в `16` раз.
+
+#### Макрос `IFGE`
+
+После `IFLT*` вариант `*v1 < v2val` уже невозможен.
+
+Значит остаётся:
+
+```c
+*v1 > v2val
+```
+
+То есть текущий элемент `v2val` есть во втором множестве, но отсутствует в первом.
+
+Следовательно `v1` уже не может быть над множеством `v2`:
+
+```c
+ge = 0;
+v2++;
+```
 
 ## Комментарии
 
@@ -236,3 +343,10 @@ some funny [msg's](https://lists.pld-linux.org/mailman/pipermail/pld-devel-en/20
 
 про "отрицательные значения = код ошибки" встречается в многих местах, стоит вынести отдельно
 проверить кодом примеры, особенно base62
+
+кэш вечно копируется и переносится, немного странно
+PIVOT_SIZE странный
+
+прыжки IFLT8 и IFLT4 я бы возможно делал как c1/c2
+
+учитывая оптимизации, возможно стоит самостоятельно менять массивы местами до начала всех операций (но проблема с кэшем возможна)

for_me.md

@@ -24,3 +24,15 @@ xxHash64 (XXH64): относительно простая имплементац
 
 в случае XXH64 строк кода ~200, можно вставить в файл
 в случае XXH3 строк кода ~2к, стоит использовать библиотеку напрямую, бессмысленно
+
+## about collizions
+
+> А вы пробовали побитовую вероятностную карту строить?
+> Есть у нас по условию множество из входных значений, которые замапились в N хешей (включая коллизии!). Эти N хешей имеют одинаковый размер и, по сути, являются массивами из K бит.
+> Так вот можно среди этих хешей посчитать 0 и посчитать 1, получится K распределений. Чем они все ближе к пополамному ± 6%, тем лучше.
+> https://raw.altlinux.team/arseny/snippets/2026-06/QSIrJSuwxp.txt
+> https://raw.altlinux.team/arseny/snippets/2026-06/QSIrJSuwxp.c
+
+## free
+
+free не делает очистку самой структуры, valgrind