netty 使用字典提升短文本的压缩效果

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 1.0" encoding="utf-8" ?>
  2 TRANSIENT">
  3   11" from="1005" to="915880056212" trunk="83057387" callid="24587"/>
  4   1005"/>
  5 

　　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         "",
  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 = "" +
  5             "" +
  6             "" +
  7             "" +
  8             "";
  9 
 10     private String[] dictionary = {
 11             "",
 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 \n", 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%% \n", 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 \n", 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%% \n", 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

5 参考资料

zstd github

文本压缩算法的对比和选择