在阿里的一面面试中，有一个极具挑战性的问题：怎样把 20GB 高重复性 String 类型地址信息降至几百兆？这是一个对数据处理和优化能力的严格考验。

我们可以考虑使用数据压缩技术。常见的压缩算法如 Gzip、Deflate 等可以对字符串数据进行压缩，大大减少存储空间。但需要注意的是，压缩和解压缩的过程会带来一定的计算开销，需要在性能和空间节省之间进行权衡。

利用数据去重是关键的一步。通过对地址信息进行排序和比较，去除重复的记录，可以显著减少数据量。可以使用哈希表或者排序算法来实现去重操作。

对于地址信息，可以提取关键特征进行编码或转换。比如，将地址中的省、市、区等部分分别用数字编码表示，从而减少每个地址的字符长度。

另外，采用合适的数据结构也很重要。例如，使用布隆过滤器可以快速判断一个地址是否存在，避免重复存储。

还可以对地址信息进行分类和分组。按照一定的规则将相似的地址归为一组，然后对每组进行单独处理和存储，这样可以提高数据的存储效率。

在实际处理中，需要结合具体的业务需求和数据特点，选择最适合的方法或者组合多种方法。要对处理后的数据进行验证和测试，确保数据的准确性和完整性。

将 20GB 的高重复性 String 类型地址信息降至几百兆并非易事，需要综合运用多种数据处理技术和策略，不断优化和改进方案，以达到最佳的效果。这不仅考验技术能力，更需要对问题的深入理解和创新思维。