压缩 怎么工作

减少重复

上一课，我们看了怎样把数据放在近处、读得更快。把数据变小，也能变快：小了，存起来占的地方少，通过网络传送的时间也短。计算机用 0 和 1，也就是比特来表示一切信息，所以同样的信息要是能用更少的比特表示，就占了便宜。
最简单的办法是减少重复。同一个字母一个接一个地连着出现时，不必一个个全写出来，只写下是什么、连了几次。比如把 AAAA 这四个字母写成“A 四次”。

点一段重复。一长串字母缩成“什么、几次”，总长度变短了。

把每一段都缩短，原来十二格长的原件就变成了九格。一个字母也没扔，只是写下了什么、几次。不过，只连了三次的那一段，缩写后格数还是一样，没有好处。重复越长，缩得越多。
这种办法叫游程编码，适合像大片涂着同一种颜色的图画那样、重复很长的数据。可要是同样的字母并不挨在一起，而是同样的片段东一处西一处地散着，这个办法就不管用了。散开的重复该怎么减少？

给常出现的片段配短代码

散开的重复也能减少。找出经常出现的长片段，给每一段定一个短代码，片段每出现一次，就换成代码来写。哪个代码代表哪个片段，另外记在一张表里。
片段出现得越频繁，替换得越多，效果就越大。表也得一起存下来，所以很短的数据反而可能变大。实际使用的压缩程序，很多都以这种指回前面出现过的片段的办法为基础。

点一个常出现的片段，给它定个短代码。这个片段出现的地方都会换成代码，总长度就减少了。

给两个片段配上代码后，十八格缩成了八格。减少重复也好，配短代码也好，说到底出自同一个想法：数据里有重复的部分，就把那部分少写一些。
反过来说，完全没有重复的随机数据是压不小的。已经压缩过的文件再压一次几乎变不小，也是这个缘故。那么，这样压小的东西再展开，真的能原样回来吗？

还原就是原件

用前面这些办法，展开后原件一字不差地回来，因为什么都没扔。“A 四次”这条记录展开后又变回 AAAA 四个字母，短代码查一查表，又变回长片段。
像这样什么都不丢的压缩，叫无损压缩。文字、程序这类错一个字母都不行的数据，一定用无损压缩。

依次点压缩本来展开。缩写的记录解开成原来的字母，还能和原件并排对比，看是不是一样。

展开的和原件连每个字母都一样。压小了也没丢东西，所以尽可以放心压缩，需要时再原样还原。
另一方面，照片、音乐、视频有时会故意扔掉人几乎察觉不到的细节，把文件压得小得多。这叫有损压缩，扔掉的部分再也找不回来。那么，无损压缩是不是总该压得越狠越好？

更小 vs 更快

压缩可以选力度。轻轻压，很快就完，可压得不太小；用力压，能压得更小，可压缩要花更多时间。重复的片段找得越仔细，结果越小，但要做的工作也越多。
所以正确答案因情况而异。压一次就长期保存的文件，或者要让很多人下载的文件，就用力压；每次发送都得当场压缩的，就轻轻压。

选一个压缩力度点一下。压得越狠，体积越小，可花的时间越长，这种取舍一目了然。

体积和时间朝相反的方向变。两样不能同时都要：想压得更小就得多等，想快点完就压不了那么小。很多压缩方法解压的时间不怎么随力度变化，所以付出代价的主要是压缩那一方。
所以，压缩是要根据情况挑着用的工具。地方紧，就用力；时间紧，就轻轻。

小结

归纳起来是这样：压缩是把同样的信息装进更小地方的技术。连成一串的重复缩成“什么、几次”，散开的片段配上短代码。前面这些办法都是还原后和原件一模一样的无损压缩。
压得越狠越小，但更费时间，所以要看情况选。找到重复、少写一些，可一还原又原封不动，这就是压缩。

依次点要点回顾一下。（减少重复 → 常出现的片段配短代码 → 还原就是原件 → 更小 vs 时间的取舍）

好几台计算机互相传数据时，也会用到压缩，因为压小了就到得快。
可要是数据大到怎么压都装不进一台计算机，又该怎么办？把数据分到好几台机器上存，再留副本以防故障，下一课讲分布式数据时会说明这个办法。