Lucene里面关于存储压缩的疑问

Lucene | 作者 Charele | 发布于2024年05月19日 | 阅读数：2501

网上截个图来说明这个问题，缺省ES会用_source这个字段来存原始内容。
有两种方法，缺省的lz4和deflate。
deflate方式用的是Java类来处理的，干涉不了。
lz4是手工代码，也就是我们可以完全理解它。

如果你想理解这块代码，可以直接关注LZ4WithPresetDictCompressor类，
在这里开始压缩数据，写数据文件。

另外：DeflateWithPresetDictCompressor是deflate方式的实现。

这里面有一个问题这些天一真没有想明白。

5 个回复

Charele - Cisco4321

（如果内容很大，分先分片）
一个分片，它会先取一段作为字典，然后把余下的分为10个块，
然后对字典和10个块，进行LZ4压缩，存入fdt文件。

关于这里lz4处理细节，可以看大神博客：
https://amazingkoala.com.cn/Lu ... /LZ4/

我的疑问是：这里的字典，其实它就是要压缩的内容一部分，
并不是什么一般意义上那种字典。它在这里有什么作用？？？

Charele - Cisco4321

代码上实在找不到答案了，我验证了一下想法“这个字典没什么用”

3个框里的，分别是内容总长度，字典长度，和块长度。

缺省时，字典长度是总长度是1 / 20。
我在这里把字典长度强制设为0，不让它生成字典。
结果一切正常，文档可以正常读出来。
那这个字典的作用究意何在？我感觉还有我没有理解的地方，，，

Charele - Cisco4321

关于ES中这块内容，除了上面的博客，
百度上找不到什么有价值的东西了。

https://zhuanlan.zhihu.com/p/649989843
这里说的是替换压缩算法的事，

算法有现成的jar包，换一下也不能什么难事，
所以算不上什么powerful的事

Charele - Cisco4321

ES里有一个LZ4压缩工具jar包，只不过这个和本主题无关。
它是用来对节点间传输的网络数据进行压缩的。

Charele - Cisco4321

新版ES里，ZStandard成了标准，另外两种估计没人用了

要回复问题请先登录或注册

Lucene里面关于存储压缩的疑问

5 个回复

发起人

活动推荐

相关问题

问题状态

Lucene里面关于存储压缩的疑问

与内容相关的链接

5 个回复

发起人

活动推荐

相关问题

问题状态