gzip 的不同压缩级别有何不同？答案

【问题标题】：How do the different compression levels of gzip differ?gzip 的不同压缩级别有何不同？
【发布时间】：2017-07-04 01:13:01
【问题描述】：

我试图更好地了解 gzip 的不同压缩级别 (1-9) 在实现编码的方式上有何不同。

我查看了 zlib C 源代码，似乎它与搜索最长匹配字符串的详尽程度有关，但要寻找更具体的信息。

例如，在分配霍夫曼代码时，级别会产生任何差异吗？

【问题讨论】：

【解决方案1】：

正如您所观察到的，级别的不同仅在于 deflate 查找匹配字符串的难度。霍夫曼编码是在选定的固定数量的符号（文字和长度/距离对）上完成的，产生一个“块”，其中该数字由内存级别定义，而不是压缩级别。生成的霍夫曼码必然不同，因为被编码的符号会有所不同。

内存级别的选择对压缩也有一些影响，因为更多的符号将块的代码描述成本分散到更多的符号上，但是太多的符号可能会阻止霍夫曼代码适应局部变化符号的统计。默认内存级别为 8（导致每块 16,383 个符号），因为测试表明这比 9 级（每块 32,767 个符号）提供了更好的压缩。但是您的里程可能会有所不同。

【讨论】：

谢谢！我是否认为如果重复的字符串倾向于出现在更远的位置（但在同一个块内），则需要更多的内存来存储更大的距离？例如，假设文件中的（总）重复程度相同，重复字符串平均出现 50 个字节会比重复字符串平均出现 500 个字节产生更好的压缩率？还是为距离分配的内存是固定的？
更远的距离需要更多的位。 50 的距离需要 4 位加上一个霍夫曼码（至少一位），而 500 的距离需要 7 位加上一个霍夫曼码。霍夫曼码的大小将取决于这些 bin 与其他 bin 相比显示为距离的频率。

【解决方案2】：

据我回忆，是的，这主要取决于您要分配的缓冲区的大小。缓冲区越大，压缩效果越好。如果您可以分配一个大小约为 input file size × 1.2 的缓冲区，那么在大多数情况下，您将使用 Huffman 获得最佳压缩效果。

原因是当您拥有如此大的缓冲区时，霍夫曼表将包含所有可能产生最佳结果的字节。当算法用完缓冲区空间时，它需要重置它的表（在流中为此添加了一个代码），这意味着你从头开始一个新的编码表，这意味着你会丢失字节来重新设计那个新表...

虽然在某些情况下重置可能是有益的（即在文件的前半部分设置为值 X 的许多字节，然后在后半部分设置为值 Y 的更多字节），但这种情况很少发生。

【讨论】：