Question

我们正在开发一个传输资源非常有限的系统（在Linux上）。可以作为一个文件发送的最大文件大小已定义，我们希望发送最小数量的文件。因此，所有发送的文件都以GZip格式（.tar.gz）进行打包和压缩。

有许多不同类型的小文件（二进制文本，文本图像......）应该以最有效的方式打包，以便每次都发送最大量的数据。

问题是：有没有办法在不运行tar实用程序的情况下估计tar.gz文件的大小？（因此可以计算出最佳的文件组合）

Answer 1

这取决于“小文件”的含义，但一般来说，不是。如果你的内容中有一个相对同质的大文件，那么你可以从中间压缩100K或200K，并使用该压缩率作为文件其余部分的估计值。

对于大约32K或更低的文件，您需要压缩它以查看它有多大。此外，当您在tar文件中连接许多小文件时，您将获得比单独使用小文件更好的压缩。

我建议使用一种简单的贪婪方法，即获取最大文件，其大小加上一些开销小于“最大文件大小”中的剩余空间。选择开销来覆盖焦油头和压缩的最大膨胀（百分之几）。然后将其添加到存档中。重复。

您可以在每一步冲洗压缩以查看结果有多大。

Answer 2

是的，有一种方法可以在运行命令之前估算tar大小。

tar -czf - /directory/to/archive/ | wc -c

含义：这将创建存档作为标准输出，并将其传递给wc命令，该命令将计算字节数。输出将是存档中的KB量。从技术上讲，它运行该工具但不保存它。