数据可压缩性和SF-1200设备的影响

　　基于SF-1200的SSD的性能和寿命真正完全依赖于你的数据，如果你的数据可压缩性非常好，你将获得很好的写入性能，如果你的数据可压缩性不好，那么你不可能获得很好的写入性能，因此问题就变成“我的数据可压缩性如何?”了。

　　数据压缩(和它的同伴重复数据删除)是计算机科学领域的一项专业技术，你Google一下“数据压缩”就能看到大量的结果(我搜索时返回了11900000条结果)，说得简单一点，压缩量取决于你的具体数据和算法。

　　有人曾经撰文描述了多种数据压缩方法和压缩率，为了简洁起见，这里列举一些结果：

　　• 使用“compact”技术

　　o 文本：文件大小减少了38%

　　o Pascal源代码：文件大小减少了43%

　　o C源代码：文件大小减少了36%

　　o 二进制：文件大小减少了19%

　　• 使用“compress”技术

　　o 文本和英语：文件大小减少了50-60%

　　• 算数编码

　　o 文件大小减少了12.1%-73.5%

　　• 霍夫曼编码

　　o 大型学生记录数据库文件大小减少了42.1%

　　• 针对特定应用程序的数据压缩例行程序

　　o 已经报告的文件大小最大减少了98%

　　但是，除了压缩文件外，每个压缩算法都需要一定量的计算工作，通常，压缩的文件越多，需要的计算工作也越多(但并不总是这样，因为这取决于细节，但大体方向是这样的)。

　　对SandForce SF-1200控制器来说，它需要一个快速的压缩算法，但也需要一个相当固定的时间，这样在数据可压缩性不好的情况下，写入性能才不至于下降得太利害，但与此同时，可压缩的数据越多，吞吐量性能越好，特别是写吞吐量。

　　你怎么知道数据的可压缩性呢?要回答这个问题真的不容易，你可以做的第一件事情是选择有代表性的文件，然后使用gzip以不同压缩水平压缩它，最好再观察压缩文件的压缩率。例如，你可以这样：

　　laytonjb@laytonjb-laptop:~$ gzip -6 file

　　这里的“-6”就是压缩水平，它是默认值，最大压缩水平是“-9”，多试几个压缩水平，看可以获得的最大压缩率是多少。

　　但需要注意的是，gzip会分析文件中的所有数据，而SF-1200控制器只会分析更少的数据块，因此你可以做的第二件事情是，使用strace分析你最常用的应用程序，找出平均系统写入调用大小，然后使用dd命令提取样本数据文件和平均写入大小对应的部分，再使用gzip对这些文件运行不同水平的压缩，例如，提取文件中对应的4KB(4096字节)：

　　laytonjb@laytonjb-laptop:~$ dd if=file of=data_example_1 bs=4096 skip=13

　　这个命令假设你的文件大于14*4KB，因为我跳过了前13个4KB数据块(skip=13)，写一个bash脚本，将一个文件分成特定尺寸的n块，针对每块运行不同水平的gzip压缩，记下每块的压缩量和压缩水平，然后就可以计算出所有块得平均压缩水平，于是对数据文件的可压缩性就有一个清晰的认知了。

　　看起来要做许多工作，但它确实可以帮助你确定数据的可压缩性，如果你的数据可压缩性非常好，那么基于SF-1200的SSD将非常适合你，如果你的数据可压缩性不好，那么基于SF-1200的SSD可能不是最好的选择。我们定义文件压缩率为“压缩后文件大小/压缩前文件大小”，如果压缩率为1，那么你将获得最低的性能，因为这时的数据实际上是不可压缩的，如果压缩率非常小，你将获得最优异的性能(读/写吞吐量可能会达到260MB/s)，你也可以使用这个值确定数据的可压缩性。

　　当然，你也可以买一块基于SandForce SF-1200的设备，使用你真实的数据集运行各种测试。