netty 使用字典提高短文本的壓縮效果

1 問題

　　術語：壓縮率，compression ratio，壓縮後的大小／壓縮前的大小，越小說明壓縮效果越好。

　　在使用netty的JdkZlibEncoder進行壓縮時，發現了一個問題：它對於短文本（小於2K）的壓縮效果不好，壓縮率在80%-120%，文本越短，壓縮效果越差，甚至可能比沒壓縮前更大。

　　經過研究發現，使用字典能夠改進壓縮效果。如下詳細介紹如何作。

2 提取字典

　　咱們要傳輸的文本相似於：

  1 <?xml version="1.0" encoding="utf-8" ?>
  2 <Event attribute="TRANSIENT">
  3   <outer id="11" from="1005" to="915880056212" trunk="83057387" callid="24587"/>
  4   <ext id="1005"/>
  5 </Event>

　　提取字典的原則：將重複出現的字符串加入到字典。

　　能夠提取如下字典：

  1 String[] dictionary = {
  2         "<?xml version=\"1.0\" encoding=\"utf-8\" ?>",
  3         "Event", "TRANSIENT", "attribute", "outer", "from", "trunk",
  4         "callid", "id", "to", "ext"
  5 };
  6 

3 測試用例

　　使用EmbeddedChannel API來構建測試用例。EmbeddedChannel可以模擬入站和出站的數據流，對於測試ChannelHandler很是有用。

　　JdkZlibEncoder的構造函數能夠接受一個字典參數：

 

　　下面是測試代碼：

  1 public class GzipTest {
  2 
  3 
  4     private String xml = "<?xml version=\"1.0\" encoding=\"utf-8\" ?>" +
  5             "<Event attribute=\"TRANSIENT\">" +
  6             "<outer id=\"11\" from=\"1005\" to=\"915880056212\" trunk=\"83057387\" callid=\"24587\"  />" +
  7             "<ext id=\"1005\" />" +
  8             "</Event>";
  9 
 10     private String[] dictionary = {
 11             "<?xml version=\"1.0\" encoding=\"utf-8\" ?>",
 12             "Event", "TRANSIENT", "attribute", "outer", "from", "trunk",
 13             "callid", "id", "to", "ext"
 14     };
 15 
 16 
 17     /**
 18      * 不使用字典壓縮
 19      */
 20     @Test
 21     public void test1() {
 22         EmbeddedChannel embeddedChannel = new EmbeddedChannel();
 23         ChannelPipeline pipeline = embeddedChannel.pipeline();
 24         //
 25         pipeline.addLast("gzipDecoder", new JdkZlibDecoder());
 26         pipeline.addLast("gzipEncoder", new JdkZlibEncoder(9));
 27         pipeline.addLast("decoder", new StringDecoder());
 28         pipeline.addLast("encoder", new StringEncoder());
 29         //
 30         System.out.println("*******不使用字典壓縮*******");
 31         int compressBefore = xml.getBytes(StandardCharsets.UTF_8).length;
 32         System.out.printf("壓縮前大小：%d \n", compressBefore);
 33         // 模擬輸出
 34         embeddedChannel.writeOutbound(xml);
 35         ByteBuf outboundBuf = embeddedChannel.readOutbound();
 36         int compressAfter = outboundBuf.readableBytes();
 37         System.out.printf("壓縮後大小：%d, 壓縮率：%d%% \n", compressAfter,
 38                 compressAfter * 100 / compressBefore);
 39 
 40     }
 41 
 42     /**
 43      * 使用字典壓縮
 44      */
 45     @Test
 46     public void test2() {
 47         EmbeddedChannel embeddedChannel = new EmbeddedChannel();
 48         ChannelPipeline pipeline = embeddedChannel.pipeline();
 49         // 字典
 50         byte[] dictionaryBytes = String.join("", dictionary)
 51                 .getBytes(StandardCharsets.UTF_8);
 52         //
 53         pipeline.addLast("gzipDecoder", new JdkZlibDecoder(dictionaryBytes));
 54         pipeline.addLast("gzipEncoder", new JdkZlibEncoder(9, dictionaryBytes));
 55         pipeline.addLast("decoder", new StringDecoder());
 56         pipeline.addLast("encoder", new StringEncoder());
 57         //
 58         System.out.println("*******使用字典壓縮*******");
 59         int compressBefore = xml.getBytes(StandardCharsets.UTF_8).length;
 60         System.out.printf("壓縮前大小：%d \n", compressBefore);
 61         // 模擬輸出
 62         embeddedChannel.writeOutbound(xml);
 63         ByteBuf outboundBuf = embeddedChannel.readOutbound();
 64         int compressAfter = outboundBuf.readableBytes();
 65         System.out.printf("壓縮後大小：%d, 壓縮率：%d%% \n", compressAfter,
 66                 compressAfter * 100 / compressBefore);
 67     }
 68 
 69 
 70 }

 

輸出：

*******不使用字典壓縮*******

壓縮前大小：173

壓縮後大小：150, 壓縮率：86%

*******使用字典壓縮*******

壓縮前大小：173

壓縮後大小：95, 壓縮率：54%

　　從輸出能夠看到，壓縮率由86%提高至了54%。

4 進一步

　　若是以爲手工提取字典效率過低，還能夠試一下zstd。zstd是由facebook提供的一個壓縮庫，它提供了自動提取字典的工具。命令以下：

　zstd --train ./dictionary/* -o ./dict.bin

5 參考資料

zstd github

文本壓縮算法的對比和選擇