低延迟数据压缩与解压缩技术实战

📚 共计 30 章节

压缩的本质：信息熵与冗余度

为什么需要低延迟压缩？熵编码与冗余消除

核心理论入门

延迟的度量：微秒级 vs 毫秒级

压缩吞吐量与CPU开销的平衡艺术

经典算法回顾：LZ77·LZ78·Huffman

滑动窗口、字典与熵编码核心思想

LZ4算法详解：无Hash链的快速匹配

为什么它比gzip快10倍？极致速度解析

Snappy：Google轻量级压缩

适用于RPC与日志场景的极致轻量

Zstandard (zstd)：速度与压缩比兼顾

现代算法，训练字典技巧与实战

Brotli算法：Web场景的王者

预定义字典与静态熵编码

LZFSE：Apple的LZ变体

针对移动端优化的快速压缩

流式压缩：无需等待完整数据块

如何开始解压？流式架构与实现

流式低延迟

SIMD加速：SSE/AVX并行字节操作

指令集并行处理，榨干CPU

硬件卸载：Intel QAT / NVIDIA GPU

压缩加速卡的使用与性能收益

零拷贝技术：mmap与sendfile

压缩管道中的零拷贝应用

零拷贝内核

内存池设计：避免频繁分配

压缩过程中的内存复用策略

无锁队列：多线程任务分发与合并

并发压缩的同步开销消除

压缩级别调优：1-9级实测对比

到底差多少？数据与延迟权衡

字典压缩：静态与动态构建策略

通用字典 vs 自适应字典

字典压缩比

列式压缩：行存与列存选择

结构化数据的压缩布局

浮点数压缩：FPC、ZFP算法

科学计算中的浮点无损/有损压缩

时间序列压缩：Gorilla与差值编码

时序数据库专用压缩

图像与视频轻量压缩：WebP/JPEG-XL

延迟分析与编解码选择

网络协议压缩：HPACK / QPACK

HTTP/2 & HTTP/3 头部压缩

数据库压缩：LSM-Tree与写放大

压缩策略与写放大问题

日志压缩：实时采集与索引结合

日志场景下的压缩与检索

压缩感知：更少数据恢复信号

理论篇：奈奎斯特之外的采样

Rust vs C++：压缩库性能对比

现代语言在压缩领域的表现

基准测试框架：公平的延迟测试

如何设计可复现的压缩基准

测试方法论

生产环境调优：Profiling与火焰图

从性能分析到延迟优化

调优火焰图

压缩安全：CRIME攻击与侧信道防御

压缩带来的安全风险与缓解

安全侧信道

未来趋势：AI驱动的自适应压缩

机器学习与压缩的融合

综合实战：微秒级压缩网关系统

构建端到端低延迟压缩服务