什么是鯤鵬BoostKit壓縮算法？面對海量數(shù)據(jù)的處理需求和分布式IT架構(gòu)的普及，越來越多企業(yè)希望構(gòu)建擴展性更高、成本更低的分布式存儲方案。如何對數(shù)據(jù)進行極致壓縮，在同等存儲空間下更快存儲更多數(shù)據(jù)，成為當前的主要挑戰(zhàn)。

本期，給大家分享如何基于鯤鵬BoostKit分布式存儲使能套件的壓縮算法，實現(xiàn)數(shù)據(jù)訪問更快、存儲更高效。

LZ4壓縮算法是業(yè)界主流的數(shù)據(jù)壓縮算法之一，是一種基于字典編碼的壓縮算法，通過使用一些簡單的代號代替數(shù)據(jù)中重復的字符串，實現(xiàn)數(shù)據(jù)的壓縮，其中字符串與代號的對應關(guān)系匯總為偏移表，起到字典的作用。

鯤鵬BoostKit壓縮算法，基于業(yè)界開源的LZ4壓縮算法主要做了四方面優(yōu)化，實現(xiàn)壓縮率的提升。

構(gòu)建全局動態(tài)偏移表

鯤鵬BoostKit壓縮算法構(gòu)建更加高效的動態(tài)全局偏移信息表，實現(xiàn)對傳統(tǒng)Hash匹配策略的替代。

設計分層算法模型

鯤鵬BoostKit壓縮算法針對整個數(shù)據(jù)塊匹配最優(yōu)的壓縮模型和最優(yōu)的壓縮參數(shù)，并且能夠收集實時的負載信息，反饋至壓縮算法引擎。

優(yōu)化壓縮頭部

鯤鵬BoostKit壓縮算法通過將偏移信息合入壓縮頭部中，且針對不同數(shù)據(jù)壓縮場景，自適應地調(diào)整文本長度、匹配內(nèi)容長度、偏移信息所占用的bit位數(shù)。

優(yōu)化滑動窗口

開源LZ4算法采用固定的Sequence存儲格式，匹配過程中的搜索窗口為固定64KB。鯤鵬BoostKit壓縮算法優(yōu)化了頭部的Sequence信息，支持動態(tài)匹配窗口，在數(shù)據(jù)塊大小變化頻繁的場景下避免造成存儲冗余或不足。

此外，鯤鵬BoostKit還基于鯤鵬架構(gòu)的特點進行了指令級別的優(yōu)化，如嵌入式匯編加速、批處理加速、NEON指令加速、預取指令加速等，充分釋放鯤鵬硬件算力，加速壓縮性能。

多種場景下的測試證明，使用鯤鵬BoostKit壓縮算法，確實能夠有效提升數(shù)據(jù)壓縮率和存儲帶寬性能。以均衡型存儲場景為例，相比在傳統(tǒng)平臺上使用開源算法，鯤鵬BoostKit壓縮算法的壓縮率提升25%，帶寬性能提升10%。

鯤鵬BoostKit分布式存儲使能套件提供高性能的Ceph開源組件，原生支持LZ4、Zlib、Zstd、Snappy等壓縮算法，且已經(jīng)使能Ceph 16.2.x及之后的發(fā)行版支持鯤鵬硬件壓縮加速庫。此外，鯤鵬BoostKit分布式存儲使能套件還提供IO直通、EC Turbo等豐富的存儲加速技術(shù)，適合不同的應用場景需求。