1 问题
术语：压缩率，compression ratio，压缩后的大小／压缩前的大小，越小说明压缩效果越好。
在使用netty的JdkZlibEncoder进行压缩时，发现了一个问题：它对于短文本（小于2K）的压缩效果很差，压缩率在80%-120%，文本越短，压缩效果越差，甚至可能比没压缩前更大。
通过研究发现，使用字典可以改进压缩效果。以下详细介绍如何做。
2 提取字典
我们要传输的文本类似于：
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>
提取字典的原则：将重复出现的字符串加入到字典。
可以提取以下字典：
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 测试用例
使用EmbeddedChannel API来构建测试用例。EmbeddedChannel能够模拟入站和出站的数据流，对于测试ChannelHandler非常有用。
JdkZlibEncoder的构造函数可以接受一个字典参数：
下面是测试代码：
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 * 不使用字典压缩 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("*******不使用字典压缩*******"); 31 int compressBefore = xml.getBytes(StandardCharsets.UTF_8).length; 32 System.out.printf("压缩前大小：%d ", compressBefore); 33 // 模拟输出 34 embeddedChannel.writeOutbound(xml); 35 ByteBuf outboundBuf = embeddedChannel.readOutbound(); 36 int compressAfter = outboundBuf.readableBytes(); 37 System.out.printf("压缩后大小：%d, 压缩率：%d%% ", compressAfter, 38 compressAfter * 100 / compressBefore); 39 40 } 41 42 /** 43 * 使用字典压缩 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("*******使用字典压缩*******"); 59 int compressBefore = xml.getBytes(StandardCharsets.UTF_8).length; 60 System.out.printf("压缩前大小：%d ", compressBefore); 61 // 模拟输出 62 embeddedChannel.writeOutbound(xml); 63 ByteBuf outboundBuf = embeddedChannel.readOutbound(); 64 int compressAfter = outboundBuf.readableBytes(); 65 System.out.printf("压缩后大小：%d, 压缩率：%d%% ", compressAfter, 66 compressAfter * 100 / compressBefore); 67 } 68 69 70 }
输出：
*******不使用字典压缩******* 压缩前大小：173 压缩后大小：150, 压缩率：86% *******使用字典压缩******* 压缩前大小：173 压缩后大小：95, 压缩率：54%
从输出可以看到，压缩率由86%提升至了54%。
4 进一步
如果觉得手工提取字典效率太低，还可以试一下zstd。zstd是由facebook提供的一个压缩库，它提供了自动提取字典的工具。命令如下：
zstd --train ./dictionary/* -o ./dict.bin