问如何才能很好地编写gzip文件？

EN

压缩数据的唯一方法是消除冗余。这基本上就是任何压缩工具所做的事情--它查找冗余/可重复的部件，并将它们替换为链接/引用，这些链接/引用与您之前在流中观察到的数据相同。

如果希望提高数据格式的效率，则应该删除可能删除的所有内容。例如，用二进制而不是文本(JSON、XML等)存储数字更有效。如果您必须使用文本格式，请考虑删除不必要的空格或行提要。

高效二进制格式的一个很好的例子是google协议缓冲区。它有很多优点，其中最重要的是将数字存储为可变字节数(即，数字1消耗的空间小于数字1000000)。

文本或二进制文件，但是如果您可以在发送之前对数据进行排序，那么gzip压缩器查找冗余部件的可能性就会增加，而且很可能会增加压缩比。

既然你说了32位浮点数和16位整数，你已经在用二进制编码它们了。

考虑一下你的数字的范围和有用的准确性。如果可以限制这些值，则可以使用较少的位对数字进行重新编码。特别是浮动，它可能有更多的比特，你需要。

如果正确的位数不是8的倍数，那么将您的字节流看作一个位流，并且只使用所需的位。要小心正确地处理数据的末尾，这样添加到下一个字节边界的位就不会被解释为另一个数字。

如果你们的数字之间有某种相关性，那么你们应该利用这一点。例如，如果连续数字之间的差异通常很小，例如波形的表示就是这样，那么发送差异而不是数字。差异可以使用可变长度整数或Huffman编码或组合来编码，例如，用于每个范围内的范围和额外比特的Huffman码。

如果您可以使用其他关联，那么根据前面的值为下一个值设计一个预测器。然后发送实际值和预测值之间的差额。在前面的示例中，预测器只是最后一个值。一个更复杂的预测器的例子是一个2D预测器，当数字表示一个2D表时，相邻的行和列都是相关的。PNG图像格式有几个2D预测器的例子。

所有这些都需要对您的数据(最好是大量的数据)进行实验，以了解哪些是有用的，哪些不是或只具有边际的好处。

使用二进制而不是文本。

它的文本表示形式中的浮点数为8位(浮点数的精度为8小数位)，加上小数分隔符，加上字段分隔符，消耗了10个字节。在二进制表示中，它只需4。

如果您需要使用文本，请使用十六进制。它消耗的数字更少。

但是，尽管这对未压缩的文件有很大的不同，但是这些差异在压缩后可能会消失，因为压缩algo应该隐式地注意如果那样的话。但你可以试试。