每日一库之123：pgzip（高性能gzip压缩）

背景

gzip是当前应用非常广泛的文件压缩格式，golang 中也有内置的compress/gzip对其提供原生支持。今天我们要介绍的pgzip是一款完全兼容 gzip 的插件，并能提供相较于compress/gzip上百倍的性能提升！

pgzip 简介

pgzip(https://github.com/klauspost/pgzip) 主要是通过分块并行压缩实现性能提升的，尤其适用于大量数据（>1MB）压缩的场景。由于 pgzip 的 API 设计完全兼容 compress/gzip，因此我们的工程升级到 pgzip 只需要特别小的改动：

import gzip "github.com/klauspost/pgzip"

另外，pgzip 还支持指定并发度，我们可以据此对压缩消耗的 CPU 资源进行管控；pgzip 还附带了一个线性时间压缩模式（Huffman only compression），该模式支持以每核每秒约 250MB 的速度进行数据压缩。

应用举例

随机生成一个 100MB 的大文件作为待压缩文件：

dd if=/dev/random of=data.bin bs=4m count=25

首先使用原生的 compress/gzip 进行压缩：

package main
import (
    "compress/gzip"
    "io"
    "log"
    "os"
)
func main() {
    fr, err := os.Open("data.bin")
    if err != nil {
        log.Fatalf("failed to open file to read: %v", err)
    }
    defer fr.Close()
    fw, err := os.Create("gzip_res.gz")
    if err != nil {
        log.Fatalf("failed to open file to write: %v", err)
    }
    defer fw.Close()
    w := gzip.NewWriter(fw)
    defer w.Close()
    _, err = io.Copy(w, fr)
    if err != nil {
        log.Fatalf("failed to gzip: %v", err)
    }
}

查看执行时间：

$ go build -o gzip_demo
$ time ./gzip_demo
./gzip_demo  1.86s user 0.23s system 99% cpu 2.111 total

现在我们切换到 pgzip 对同样的文件进行压缩：

package main
import (
    "io"
    "log"
    "os"
    gzip "github.com/klauspost/pgzip"
)
func main() {
    fr, err := os.Open("data.bin")
    if err != nil {
        log.Fatalf("failed to open file to read: %v", err)
    }
    defer fr.Close()
    fw, err := os.Create("pgzip_res.gz")
    if err != nil {
        log.Fatalf("failed to open file to write: %v", err)
    }
    defer fw.Close()
    w := gzip.NewWriter(fw)
    defer w.Close()
    // 1MB block with 4 concurrency
    w.SetConcurrency(1<<20, 4)
    _, err = io.Copy(w, fr)
    if err != nil {
        log.Fatalf("faield to gzip: %v", err)
    }
}

查看执行时间：

$ go build -o pgzip_demo
$ time ./pgzip_demo
./pgzip_demo  0.07s user 0.08s system 240% cpu 0.064 total

可见，使用 pgzip压缩同样 100MB 大小的文件，使用 4 核 CPU 时压缩耗时有几十倍（1.86s -> 0.07s）的缩短！

总结

pgzip 实现了分块并行的 gzip 压缩能力，极大提升了压缩速率，能够充分利用多核 CPU 的计算资源。当然，pgzip 提升压缩速率的同时也会消耗更多的计算资源，能够达到的压缩比也会比原生 gzip 略低。
pgzip 非常适用于大文件压缩的场景，例如提升构建产物的打包速率、优化数据备份时效等，快来试试吧！

参考资料

https://github.com/klauspost/pgzip
https://github.com/klauspost/compress
http://blog.klauspost.com/constant-time-gzipzip-compression/
https://github.com/pierrec/lz4
https://zlib.net/pigz/