通過Java測試幾種壓縮算法的性能（附測試代碼下載）
本文將會對常用的幾個壓縮算法的性能作一下比較。結果表明，某些算法在極端苛刻的CPU限制下仍能正常工作。
文中進行比較的算有：
JDK GZIP ——這是一個壓縮比高的慢速算法，壓縮后的數(shù)據(jù)適合長期使用。JDK中的java.util.zip.GZIPInputStream / GZIPOutputStream便是這個算法的實現(xiàn)。
JDK deflate ——這是JDK中的又一個算法（zip文件用的就是這一算法）。它與gzip的不同之處在于，你可以指定算法的壓縮級別，這樣你可以在壓縮時間和輸出文件大小上進行平衡?？蛇x的級別有0（不壓縮），以及1(快速壓縮)到9（慢速壓縮）。它的實現(xiàn)是java.util.zip.DeflaterOutputStream / InflaterInputStream。
LZ4壓縮算法的Java實現(xiàn)——這是本文介紹的算法中壓縮速度最快的一個，與最快速的deflate相比，它的壓縮的結果要略微差一點。
Snappy——這是Google開發(fā)的一個非常流行的壓縮算法，它旨在提供速度與壓縮比都相對較優(yōu)的壓縮算法。
壓縮測試
要找出哪些既適合進行數(shù)據(jù)壓縮測試又存在于大多數(shù)Java開發(fā)人員的電腦中（我可不希望你為了運行這個測試還得個幾百兆的文件）的文件也著實費了我不少工夫。最后我想到，大多數(shù)人應該都會在本地安裝有JDK的文檔。因此我決定將javadoc的目錄整個合并成一個文件——拼接所有文件。這個通過tar命令可以很容易完成，但并非所有人都是Linux用戶，因此我寫了個程序來生成這個文件：
public class InputGenerator {
private static final String JAVADOC_PATH = "your_path_to_JDK/docs";
public static final File FILE_PATH = new File( "your_output_file_path" );
static
{
try {
if ( !FILE_PATH.exists() )
makeJavadocFile();
} catch (IOException e) {
e.printStackTrace();
}
}
private static void makeJavadocFile() throws IOException {
try( OutputStream os = new BufferedOutputStream( new FileOutputStream( FILE_PATH ), 65536 ) )
{
appendDir(os, new File( JAVADOC_PATH ));
}
System.out.println( "Javadoc file created" );
}
private static void appendDir( final OutputStream os, final File root ) throws IOException {
for ( File f : root.listFiles() )
{
if ( f.isDirectory() )
appendDir( os, f );
else
Files.copy(f.toPath(), os);
}
}
}
在我的機器上整個文件的大小是354,509,602字節(jié)（338MB）。
測試
一開始我想把整個文件讀進內(nèi)存里，然后再進行壓縮。不過結果表明這么做的話即便是4G的機器上也很容易把堆內(nèi)存空間耗盡。
于是我決定使用操作系統(tǒng)的文件緩存。這里我們用的測試框架是JMH。這個文件在預熱階段會被操作系統(tǒng)加載到緩存中（在預熱階段會先壓縮兩次）。我會將內(nèi)容壓縮到ByteArrayOutputStream流中（我知道這并不是最快的方法，但是對于各個測試而言它的性能是比較穩(wěn)定的，并且不需要花費時間將壓縮后的數(shù)據(jù)寫入到磁盤里），因此還需要一些內(nèi)存空間來存儲這個輸出結果。
下面是測試類的基類。所有的測試不同的地方都只在于壓縮的輸出流的實現(xiàn)不同，因此可以復用這個測試基類，只需從StreamFactory實現(xiàn)中生成一個流就好了：
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@State(Scope.Thread)
@Fork(1)
@Warmup(iterations = 2)
@Measurement(iterations = 3)
@BenchmarkMode(Mode.SingleShotTime)
public class TestParent {
protected Path m_inputFile;
@Setup
public void setup()
{
m_inputFile = InputGenerator.FILE_PATH.toPath();
}
interface StreamFactory
{
public OutputStream getStream( final OutputStream underlyingStream ) throws IOException;
}
public int baseBenchmark( final StreamFactory factory ) throws IOException
{
try ( ByteArrayOutputStream bos = new ByteArrayOutputStream((int) m_inputFile.toFile().length());
OutputStream os = factory.getStream( bos ) )
{
Files.copy(m_inputFile, os);
os.flush();
return bos.size();
}
}
}
這些測試用例都非常相似（在文末有它們的源代碼），這里只列出了其中的一個例子——JDK deflate的測試類；
public class JdkDeflateTest extends TestParent {
@Param({"1", "2", "3", "4", "5", "6", "7", "8", "9"})
public int m_lvl;
@Benchmark
public int deflate() throws IOException
{
return baseBenchmark(new StreamFactory() {
@Override
public OutputStream getStream(OutputStream underlyingStream) throws IOException {
final Deflater deflater = new Deflater( m_lvl, true );
return new DeflaterOutputStream( underlyingStream, deflater, 512 );
}
});
}
}
測試結果
輸出文件的大小
首先我們來看下輸出文件的大?。?/p>
||實現(xiàn)||文件大?。ㄗ止?jié)）|| ||GZIP||64，200，201|| ||Snappy (normal)||138,250,196|| ||Snappy (framed)|| 101,470,113|| ||LZ4 (fast)|| 98,316,501|| ||LZ4 (high) ||82,076,909|| ||Deflate (lvl=1) ||78,369,711|| ||Deflate (lvl=2) ||75,261,711|| ||Deflate (lvl=3) ||73,240,781|| ||Deflate (lvl=4) ||68,090,059|| ||Deflate (lvl=5) ||65,699,810|| ||Deflate (lvl=6) ||64,200,191|| ||Deflate (lvl=7) ||64,013,638|| ||Deflate (lvl=8) ||63,845,758|| ||Deflate (lvl=9) ||63,839,200||
可以看出文件的大小相差懸殊（從60Mb到131Mb）。我們再來看下不同的壓縮方法需要的時間是多少。
壓縮時間
||實現(xiàn)||壓縮時間(ms)|| ||Snappy.framedOutput ||2264.700|| ||Snappy.normalOutput ||2201.120|| ||Lz4.testFastNative ||1056.326|| ||Lz4.testFastUnsafe ||1346.835|| ||Lz4.testFastSafe ||1917.929|| ||Lz4.testHighNative ||7489.958|| ||Lz4.testHighUnsafe ||10306.973|| ||Lz4.testHighSafe ||14413.622|| ||deflate (lvl=1) ||4522.644|| ||deflate (lvl=2) ||4726.477|| ||deflate (lvl=3) ||5081.934|| ||deflate (lvl=4) ||6739.450|| ||deflate (lvl=5) ||7896.572|| ||deflate (lvl=6) ||9783.701|| ||deflate (lvl=7) ||10731.761|| ||deflate (lvl=8) ||14760.361|| ||deflate (lvl=9) ||14878.364|| ||GZIP ||10351.887||
我們再將壓縮時間和文件大小合并到一個表中來統(tǒng)計下算法的吞吐量，看看能得出什么結論。
吞吐量及效率
||實現(xiàn)||時間（ms）||未壓縮文件大小||吞吐量（Mb/秒）||壓縮后文件大小(Mb)|| ||Snappy.normalOutput ||2201.12 ||338 ||153.5581885586 ||131.8454742432|| ||Snappy.framedOutput ||2264.7 ||338 ||149.2471409017 ||96.7693328857|| ||Lz4.testFastNative ||1056.326 ||338 ||319.9769768045 ||93.7557220459|| ||Lz4.testFastSafe ||1917.929 ||338 ||176.2317583185 ||93.7557220459|| ||Lz4.testFastUnsafe ||1346.835 ||338 ||250.9587291688 ||93.7557220459|| ||Lz4.testHighNative ||7489.958 ||338 ||45.1270888301 ||78.2680511475|| ||Lz4.testHighSafe ||14413.622 ||338 ||23.4500391366 ||78.2680511475|| ||Lz4.testHighUnsafe ||10306.973 ||338 ||32.7933332124 ||78.2680511475|| ||deflate (lvl=1) ||4522.644 ||338 ||74.7350443679 ||74.7394561768|| ||deflate (lvl=2) ||4726.477 ||338 ||71.5120374012 ||71.7735290527|| ||deflate (lvl=3) ||5081.934 ||338 ||66.5101120951 ||69.8471069336|| ||deflate (lvl=4) ||6739.45 ||338 ||50.1524605124 ||64.9452209473|| ||deflate (lvl=5) ||7896.572 ||338 ||42.8033835442 ||62.6564025879|| ||deflate (lvl=6) ||9783.701 ||338 ||34.5472536415 ||61.2258911133|| ||deflate (lvl=7) ||10731.761 ||338 ||31.4952969974 ||61.0446929932|| ||deflate (lvl=8) ||14760.361 ||338 ||22.8991689295 ||60.8825683594|| ||deflate (lvl=9) ||14878.364 ||338 ||22.7175514727 ||60.8730316162|| ||GZIP ||10351.887 ||338 ||32.651051929 ||61.2258911133||
可以看到，其中大多數(shù)實現(xiàn)的效率是非常低的：在Xeon E5-2650處理器上，高級別的deflate大約是23Ｍb/秒，即使是GZIP也就只有33Mb/秒，這大概很難令人滿意。同時，最快的defalte算法大概能到75Mb/秒,Snappy是150Mb/秒，而LZ4(快速，JNI實現(xiàn))能達到難以置信的320Mb/秒!
從表中可以清晰地看出目前有兩種實現(xiàn)比較處于劣勢：Snappy要慢于LZ4(快速壓縮)，并且壓縮后的文件要更大。相反，LZ4（高壓縮比）要慢于級別1到4的deflate，而輸出文件的大小即便和級別1的deflate相比也要大上不少。
因此如果需要進行“實時壓縮”的話我肯定會在LZ4(快速)的JNI實現(xiàn)或者是級別1的deflate中進行選擇。當然如果你的公司不允許使用第三方庫的話你也只能使用deflate了。你還要綜合考慮有多少空閑的CPU資源以及壓縮后的數(shù)據(jù)要存儲到哪里。比方說，如果你要將壓縮后的數(shù)據(jù)存儲到HDD的話，那么上述100Mb/秒的性能對你而言是毫無幫助的（假設你的文件足夠大的話）——HDD的速度會成為瓶頸。同樣的文件如果輸出到SSD硬盤的話——即便是LZ4在它面前也顯得太慢了。如果你是要先壓縮數(shù)據(jù)再發(fā)送到網(wǎng)絡上的話，最好選擇LZ4，因為deflate75Mb/秒的壓縮性能跟網(wǎng)絡125Mb/秒的吞吐量相比真是小巫見大巫了（當然，我知道網(wǎng)絡流量還有包頭，不過即使算上了它這個差距也是相當可觀的）。
總結
如果你認為數(shù)據(jù)壓縮非常慢的話，可以考慮下LZ4（快速）實現(xiàn)，它進行文本壓縮能達到大約320Mb/秒的速度——這樣的壓縮速度對大多數(shù)應用而言應該都感知不到。
如果你受限于無法使用第三方庫或者只希望有一個稍微好一點的壓縮方案的話，可以考慮下使用JDK deflate(lvl=1)進行編解碼——同樣的文件它的壓縮速度能達到75Mb/秒。
源代碼
相關文章
Hive是一個基于Hadoop的數(shù)據(jù)倉庫工具,它可以方便地對大規(guī)模數(shù)據(jù)進行查詢和分析,本文主要介紹了使用MyBatis從hive中讀取數(shù)據(jù),具有一定的參考價值,感興趣的可以了解一下2024-05-05
淺析 ArrayList 和 LinkedList 有什么區(qū)別
ArrayList 和 LinkedList 有什么區(qū)別，是面試官非常喜歡問的一個問題。今天通過本文給大家詳細介紹下，感興趣的朋友跟隨小編一起看看吧2020-10-10
SpringBoot讀取resource目錄下文件失敗的原因及解決方案
在idea中運行時,有些resource下文件讀取工具類能夠正常獲取讀取到文件,但是通過java–jar的方式去運行jar包,此時resource下文件讀取工具類讀取文件就失效了,本文就給大家介紹一下SpringBoot讀取resource目錄下文件失敗解決方案,需要的朋友可以參考下2023-08-08
下面小編就為大家?guī)硪黄P于Java變量的聲明、內(nèi)存分配及初始化詳解。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-03-03
最近做了一個項目，其中有項目需求是，要用cookie實現(xiàn)限制點贊次數(shù)，特此整理，把實現(xiàn)代碼分享給大家供大家學習2016-02-02
Java學習基礎之安裝JDK/配置JDK環(huán)境&IEDA工具安裝
這篇文章主要介紹了Java學習基礎系列文章的第一篇,主要內(nèi)容是安裝JDK/配置JDK環(huán)境&IEDA工具安裝的相關資料,需要的朋友可以參考下2020-02-02
這篇文章主要為大家詳細介紹了java編程題之合并兩個排序的鏈表，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-03-03
最近在看java虛擬相關知識，把每天看到的一些內(nèi)容做一個歸納總結，下面這篇文章主要給大家介紹了關于Java中內(nèi)存區(qū)域的劃分與異常的相關資料，文中通過示例代碼介紹的非常詳細，需要的朋友可以參考借鑒，下面來一起看看吧2018-06-06
這篇文章主要介紹了JVM中對象的創(chuàng)建與OOP-Klass模型，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-09-09
Spring Boot優(yōu)化后啟動速度快到飛起技巧示例
這篇文章主要為大家介紹了Spring Boot優(yōu)化后啟動速度快到飛起的技巧示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-07-07