电子邮件存储的重复数据删除建议

Question

建议的存储模型是将附件存储在单独的文件（或blob）中，并将电子邮件本身存储为MIME多部分邮件，引用附加文件及其编码方式。这允许用户显示原始，但不要求我实际存储效率较低的base64和消息。大多数情况下，我只能存储使用的base64行长度。

这样，我们就可以执行附件级重复数据删除。

但重复数据删除如何进一步发展？以下是我的想法：

• 当然，所有附件和电子邮件都可以单独压缩（字节级重复数据删除）。
• 我可以将一组12个附件压缩在一个文件中。压缩相同类型的多个文件（例如，PDF），甚至来自同一发件人的文件可能更有效。
• MIME消息也可以成套压缩。
• 我不关心搜索效率，因为会使用全文索引。
• 搜索电子邮件当然会使用一种不会被压缩的全文索引。
• 当电子邮件首次到达时，将创建解压缩的缓存，并且只会在电子邮件暂时未被查看后删除。

您对此领域有什么建议吗？电子邮件存储系统的正常情况是什么？