AVRO的二进制编码压缩数据吗？

Question

在我们的一个项目中，我们使用Kafka和AVRO在应用程序之间传输数据。数据被添加到AVRO对象，对象被二进制编码以写入Kafka。我们使用二进制编码，因为与其他格式相比，它通常被称为最小表示。

数据通常是JSON字符串，当它保存在文件中时，它使用最多10 Mb的磁盘。但是，当文件被压缩（.zip）时，它只使用几个KB。我们担心在Kafka中存储这样的数据，因此在写入Kafka主题之前尝试压缩。

当测量二进制编码消息的长度（即字节数组的长度）时，它与数据串的长度成比例。所以我假设二进制编码没有减少任何大小。

有人能告诉我二进制编码是否会压缩数据？如果没有，我该如何应用压缩？

谢谢！

Answer 1

  

如果二进制编码压缩数据？

是和否，这取决于您的数据。

根据avro binary encoding，是因为它只为每个.avro文件存储一次架构，无论该文件中有多少数据，因此节省了一些空间多次存储JSON的密钥名称。并且avro序列化通过存储int和长期利用variable-length zig-zag编码（仅适用于小值）进行一点压缩。其余的，avro don＆＃34;压缩＆＃34;数据

否在某些极端情况下，avro序列化数据可能比原始数据更大。例如。一个.avro文件，其中一个Record，其中只有一个字符串字段。架构开销可以避免存储不需要存储密钥名称。

  

如果没有，我该如何应用压缩？

根据avro codecs，avro内置了压缩编解码器和可选编解码器。只需在编写对象容器文件时添加一行：

DataFileWriter.setCodec(CodecFactory.deflateCodec(6)); // using deflate

或

DataFileWriter.setCodec(CodecFactory.snappyCodec()); // using snappy codec

要使用snappy，您需要将snappy-java库包含在依赖项中。

Answer 2

如果您打算将数据存储在Kafka上，请考虑使用Kafka生产者压缩支持：

{{1}}

压缩对消费者来说是完全透明的，所有消费的消息都会自动解压缩。