在網路網路傳輸過程中，最關心的就是傳輸效率問題。而提高傳輸效率最有效的方法就是對傳輸的資料進行壓縮。但壓縮資料也要耗費一定的時間，是不是壓縮後一定能提高效率呢？該如何選擇合適的壓縮演算法呢？請看本文的具體分析。
假設資料大小為d (mb)
網路頻寬為 n (mbps) -------------注意這裡是mbps，而不是通常說的mbps, 1mbps = 10mbps, 1000mbps=100mbps.
那麼資料傳輸時間t1 = d/n
假設壓縮演算法壓縮率為 r ------------------ 即壓縮後資料大小為d*r
壓縮速度為 vc mb/s
解壓縮速度為 vd mb/s
那麼壓縮後的資料傳輸時間 t2 = d/vc + d*r/n + d/vd = d/n * ( r + n/vc + n/vd)
對比：t1 = d/n
t2 = d/n*(r+n/vc+n/vd)
發現：如果r + n/vc + n/vd < 1,則壓縮後傳輸要更快，否則壓縮後傳輸反而更慢。
也就是壓縮後傳輸能否更快是和壓縮演算法的 「壓縮率」，「壓縮/解壓縮速度」 以及當前「頻寬」相關
壓縮率越小，壓縮/解壓縮越快，頻寬越小，壓縮後傳輸越能提高效率。而在頻寬不變得情況下，壓縮率越小，壓縮/解壓縮越快 越好。
而由於壓縮率和壓縮/解壓縮速度成指數型反比（壓縮率提高一點點，壓縮/解壓縮速度就大幅降低），所以在選用壓縮演算法時：
最好選擇壓縮/解壓縮速度快的演算法，而不必太關注壓縮率（當然也不能完全不壓縮）
壓縮率r為 圖中的 1/ratio。
那麼帶入到上面公式：
lz4：1/2.084 + n/422 + n/1820 = 0.48 + n*0.0029 也就是說在頻寬n<179mbps的情況下，採用lz4壓縮能提高傳輸效率。
zlib：1/3.099 + n/21 + n/300 = 0.32 + n*0.051 也就是說在頻寬n<13.3mbps的情況下，採用zlib壓縮才能提高傳輸效率，如果頻寬夠高，就不要壓縮了，否則會更慢
一般客戶端訪問伺服器，需進行壓縮。 （目前客戶端到伺服器的頻寬還是比較低的）
伺服器間傳輸，可以不壓縮，或者用lz4壓縮。 （伺服器間的頻寬一般是1000bps，即100mbps）
在頻寬 n<3.3mbps的情況下， 使用zlib要比lz4更快。
0-3.3mbps zlib壓縮傳輸最快，lz4壓縮傳輸次之，普通傳輸最慢
3.3 - 13.3mbps lz4壓縮傳輸最快，zlib壓縮傳輸次之，普通傳輸最慢
13.3-179mbps lz4壓縮傳輸最快，普通傳輸次之，zlib壓縮傳輸 反而更慢
大於179mbps 普通傳輸就可以，因為網路傳輸速度 遠遠高於壓縮及解壓縮速度了
是否須要對網路資料傳輸進行壓縮？怎樣選擇壓縮演算法？
版權全部。在網路網路傳輸過程中。最關心的就是傳輸效率問題。而提高傳輸效率最有效的方法就是對傳輸的資料進行壓縮。但壓縮資料也要耗費一定的時間，是不是壓縮後一定能提高效率呢？該怎樣選擇合適的壓縮演算法呢？請看本文的詳細分析。如果資料大小為d mb 網路頻寬為 n mbps 注意這裡是mbps，而不是通常...
傅利葉變換濾波時，為什麼需要對輸入資料進行零填充？
卷積定理 空間濾波由濾波器模板 h x,y 卷積一幅影象 f x,y 組成。根據卷積定理，在頻率域中讓 f x,y 乘以空間濾波器的傅利葉變換 h u,v 可得到相同的結果。但在處理離散量時，我們知道 f 和 h 都是週期的，這表明在離散頻率域中執行的卷積也是週期的。因此用 dft 執行的卷積稱為迴...
機器學習中為什麼需要對資料進行歸一化？
如下圖所示，藍色的圈圈圖代表的是兩個特徵的等高線。其中左圖兩個特徵x1和x2的區間相差非常大，x1區間是 0,2000 x2區間是 1,5 其所形成的等高線非常尖。當使用梯度下降法尋求最優解時，很有可能走 之字型 路線 垂直等高線走 從而導致需要迭代很多次才能收斂 而右圖對兩個原始特徵進行了歸一化，...