NodeJS压缩模块 - zlib

nodejs 的 zlib 模块提供了资源压缩功能。例如在 http 传输过程中常用的 gzip，能大幅度减少网络传输流量，提高速度。本文将从下面几个方面介绍 zlib 模块和相关知识点：

  • 文件压缩 / 解压
  • HTTP 中的压缩/解压
  • 压缩算法：RLE
  • 压缩算法：哈夫曼树

文件的压缩/解压

以 gzip 压缩为例，压缩代码如下：

1
2
3
4
5
6
const zlib = require("zlib");
const fs = require("fs");
const gzip = zlib.createGzip();
const rs = fs.createReadStream("./db.json");
const ws = fs.createWriteStream("./db.json.gz");
rs.pipe(gzip).pipe(ws);

如下图所示，4.7Mb 大小的文件被压缩到了 575Kb。

006tNbRwly1gbaxr9d139j30q802eq3d.jpg

解压刚才压缩后的文件，代码如下：

1
2
3
4
5
6
const zlib = require("zlib");
const fs = require("fs");
const gunzip = zlib.createGunzip();
const rs = fs.createReadStream("./db.json.gz");
const ws = fs.createWriteStream("./db.json");
rs.pipe(gunzip).pipe(ws);

HTTP 中的压缩/解压

在服务器中和客户端的传输过程中，浏览器（客户端）通过 Accept-Encoding 消息头来告诉服务端接受的压缩编码，服务器通过 Content-Encoding 消息头来告诉浏览器（客户端）实际用于编码的算法。

服务器代码示例如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
const zlib = require("zlib");
const fs = require("fs");
const http = require("http");
const server = http.createServer((req, res) => {
    const rs = fs.createReadStream("./index.html");
    // 防止缓存错乱
    res.setHeader("Vary", "Accept-Encoding");
    // 获取客户端支持的编码
    let acceptEncoding = req.headers["accept-encoding"];
    if (!acceptEncoding) {
        acceptEncoding = "";
    }
    // 匹配支持的压缩格式
    if (/\\bdeflate\\b/.test(acceptEncoding)) {
        res.writeHead(200, { "Content-Encoding": "deflate" });
        rs.pipe(zlib.createDeflate()).pipe(res);
    } else if (/\\bgzip\\b/.test(acceptEncoding)) {
        res.writeHead(200, { "Content-Encoding": "gzip" });
        rs.pipe(zlib.createGzip()).pipe(res);
    } else if (/\\bbr\\b/.test(acceptEncoding)) {
        res.writeHead(200, { "Content-Encoding": "br" });
        rs.pipe(zlib.createBrotliCompress()).pipe(res);
    } else {
        res.writeHead(200, {});
        rs.pipe(res);
    }
});
server.listen(4000);

客户端代码就很简单了，识别 Accept-Encoding 字段，并进行解压：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
const zlib = require("zlib");
const http = require("http");
const fs = require("fs");
const request = http.get({
    host: "localhost",
    path: "/index.html",
    port: 4000,
    headers: { "Accept-Encoding": "br,gzip,deflate" }
});
request.on("response", response => {
    const output = fs.createWriteStream("example.com_index.html");
    switch (response.headers["content-encoding"]) {
        case "br":
            response.pipe(zlib.createBrotliDecompress()).pipe(output);
            break;
        // 或者, 只是使用 zlib.createUnzip() 方法去处理这两种情况：
        case "gzip":
            response.pipe(zlib.createGunzip()).pipe(output);
            break;
        case "deflate":
            response.pipe(zlib.createInflate()).pipe(output);
            break;
        default:
            response.pipe(output);
            break;
    }
});

从上面的例子可以看出来，3 种对应的解压/压缩 API：

  • zlib.createInflate() 和 zlib.createDeflate()
  • zlib.createGunzip() 和 zlib.createGzip()
  • zlib.createBrotliDecompress() 和 zlib.createBrotliCompress()

压缩算法：RLE

RLE 全称是 Run Length Encoding, 行程长度编码，也称为游程编码。它的原理是：记录连续重复数据的出现次数。它的公式是：字符 * 出现次数。

例如原数据是 AAAAACCPPPPPPPPERRPPP，一共 18 个字节。按照 RLE 的规则，压缩后的结果是：A5C2P8E1R2P3，一共 12 个字节。压缩比例是：12 / 17 = 70.6%

RLE 的优点是压缩和解压非常快，针对连续出现的多个字符的数据压缩率更高。但对于ABCDE类似的数据，压缩后数据会更大。

压缩算法：哈夫曼树

哈夫曼树的原理是：出现频率越高的字符，用尽量更少的编码来表示。按照这个原理，以数据ABBCCCDDDD为例：

child_database

原来的数据是 10 个字节。那么编码后的数据是：1110101110000，一共 13bit，在计算机中需要 2 个字节来存储。这样的压缩率是：2 / 10 = 20%。

但是仅仅按照这个原理编码后的数据，无法正确还原。以前 4bit 为例，1110可以理解成:

  • 11 + 10
  • 1 + 1 + 1 + 0
  • 1 + 1 + 10
  • …

而哈夫曼树的设计就很巧妙，能正确还原。哈夫曼树的构造过程如下：

006tNbRwly1gbb0eessplj30u00us1kx.jpg

无论哪种数据类型（文本文件、图像文件、EXE 文件），都可以采用哈夫曼树进行压缩。

参考链接