压缩

1、zstd压缩工具介绍

Zstandard 或 Zstd 是一种快速的无损压缩算法，是针对 zlib 级别的实时压缩方案，以及更好的压缩比。它由一个非常快的熵阶段，由 Huff0 和 FSE 库提供。这个项目是作为开源的 BSD 许可收费的库，以及一个生成和解码 .zst 格式。

性能测试对比

zstd—压缩工具 - 图1
Zstd 还可以压缩速度为代价提供更强的压缩比，Speed vs Rtrade 可以通过小增量进行配置。在所有设置中，解压速度保持不变，并在所有 LZ压缩算法( 比如 zlib 或者lzma) 共享的属性中保持不变。
zstd—压缩工具 - 图2
以前的压缩方式，都是适用于典型文件和二进制的压缩方案( MB/GB)的情况。然而，要压缩的数据量越小，压缩就越困难。这是所有压缩算法都存在的问题，原因是压缩算法从过去的数据中学习如何压缩未来的数据。但是在一个新的数据集的开始，没有“过去”可以参考。
为了解决这种情况，Zstd 提供了一种新的训练模式，可以使用这种模式对所选数据类型的算法进行调优。训练 Zstandard 是通过提供一些样本(每个样本一个文件)来实现的，训练的结果存储在称为“字典”的文件中，该文件必须在压缩和解压缩之前加载。使用此字典，可以在小数据上实现的压缩率大大提高。
以下示例，使用由 github 公共 API 创建的 github 用户示例集。它由大约 10K 条记录组成，每条记录 1KB 左右。

小数据压缩的案例

zstd—压缩工具 - 图3
如果在一组小的数据样本中存在某种相关性，那么训练就是有效的。一个字典的数据越具体，它的效率就越高(没有通用字典)。因此，为每种类型的数据部署一个字典将带来最大的好处。字典增益在前几个 KB 中最有效。然后，压缩算法将逐步使用先前解码的内容，以更好地压缩文件的其余部分。

字典压缩使用示例

  1. # 训练字典
  2. $ zstd --train FullPathToTrainingSet/* -o dictionaryName
  3. # 用字典压缩
  4. $ zstd -D dictionaryName FILE
  5. # 用字典解压缩
  6. $ zstd -D dictionaryName --decompress FILE.zst


zstd—压缩工具 - 图4
zstd—压缩工具 - 图5

提供客户端工具

zstd—压缩工具 - 图6

2、Linux下的安装方式

安装方式

  1. # Ubuntu
  2. $ apt install zstd
  3. # CentOS
  4. $ yum install zstd
  5. # 编译安装
  6. $ git clone https://github.com/facebook/zstd.git
  7. $ cd zstd; make; sudo make install

zstd—压缩工具 - 图7

3、参数命令

  1. $ zstd --help
  2. 使用方式 :
  3.       zstd [args] [FILE(s)] [-o file]
  4. 参数选项 :
  5.  -#     : 压缩级别(1-19，默认值为3)
  6.  -d     : 解压
  7.  -D file: 使用文件作为字典
  8.  -o file: 结果存储在文件中
  9.  -f     : 在没有提示的情况下覆盖输出并(解压)压缩链接
  10. --rm    : 成功解压缩后删除源文件
  11.  -k     : 保存源文件(默认)
  12.  -h/-H  : 显示帮助/长帮助并退出
  13. 高级选项 :
  14.  -V     : 显示版本号并退出
  15.  -v     : 详细模式
  16.  -q     : 静默输出
  17.  -c     : 强制写入标准输出
  18.  -l     : 输出zstd压缩包中的信息
  19. --ultra : 启用超过19级，最多22级(需要更多内存)
  20.  -T#    : 使用几个线程进行压缩(默认值:1个)
  21.  -r     : 递归地操作目录
  22. --format=gzip : 将文件压缩为.gz格式
  23.  -M#    : 为解压设置内存使用限制
  24. 字典生成器 :
  25. --train ## : 从一组训练文件中创建一个字典
  26. --train-cover[=k=#,d=#,steps=#] : 使用带有可选参数的cover算法
  27. --train-legacy[=s=#] : 有选择性地使用遗留算法(默认值:9)
  28.  -o file : “file”是字典名(默认:字典)
  29. --maxdict=# : 将字典限制为指定大小(默认值:112640)
  30. --dictID=# : 强制字典ID为指定值(默认:随机)
  31. 性能测试参数 :
  32.  -b#    : 基准测试文件，使用#压缩级别(默认为1)
  33.  -e#    : 测试从-bX到#的所有压缩级别(默认值:1)
  34.  -i#    : 最小计算时间(秒)(默认为3s)
  35.  -B#    : 将文件切成大小为#个独立块(默认:无块)
  36. --priority=rt : 将进程优先级设置为实时

4、使用技巧

主要介绍一些关于 zstd 工具的使用示例和参数解释

简单使用

  1. # 将一个文件压缩成一个后缀为.zst的新文件
  2. # 如果命令后面没有文件或文件为-的话，则读取标准输入
  3. $ zstd file
  4. # 在压缩操作后删除源文件
  5. # 默认情况下，源文件在成功压缩或解压缩后不会被删除
  6. $ zstd --rm file
  7. # 解压zst压缩包
  8. $ zstd -d file.zst
  9. # 解压zst压缩包到标准输出
  10. $ zstd -dc file.zst
  11. # 查看zst压缩包
  12. $ zstd -l file.zst
  13. $ zstdcat file.zst

高级用法

  1. # 输出详细信息
  2. $ zstd -v file
  3. $ zstd -v -d file.zst
  4. # 压缩一个文件同时指定压缩级别(19最高，0最低，3为默认)
  5. $ zstd -level file
  6. $ zstd -9 file
  7. # 使用更多的内存(压缩和解压时)以达到更高的压缩比
  8. $ zstd --ultra -level file
  9. # 解压缩为单进程
  10. # 多个进程并发执行压缩过程(0表示自动使用所有CPU核心)
  11. $ zstd -T0 file
  12. $ zstd -T4 file
  13. $ zstd -T4 -d file.zst