- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序萌部落
音频格式的汇总及压缩比较
正是因为MP3体积小，音质高的特点使得MP3格式几乎成为网上音乐的代名词。每分钟音乐的MP3格式只有1MB左右大小，这样每首歌的大小只有3-4兆字节。 WMA与MP3音质和体积上的对比特点，可以总结为：低比特率（小于128Kbps）时，WMA体积比MP3小，音质比MP3好；而在高比特率（大于128K）时，MP3的音质则比WMA好。 这种格式在低位率的时候，压缩效率非常高，所以在一般音质情况下，同位率的MP3pro的体积要比MP3甚至WMA都小得多，而音质却是三者中最好的。 MP3pro可以实现完全的兼容性。 FLAC压缩比可以达到2：1，对于无损压缩来说，这已经是相当高的比例了；而且它解码速度快，只需进行整数运算即可完成整个解码过程，对CPU的运算能力要求很低，所以普通的随身听，都可以轻松实现实时解码。 压缩比较 压缩比 aac > ogg > mp3（wma） > ape > flac > wav（同一音源条件下） mp3和wma以192kbps为分界线，192kbps以上mp3好，192kbps以下
12.3K31发布于 2019-08-08 【软考 霍夫曼编码的文档压缩比】
霍夫曼编码的文档压缩比计算基于字符频率的最优编码分配，以下是详细步骤及相关案例： 一、压缩比计算公式 [ \text{压缩比} = \frac{\text{压缩前总比特数}}{\text{压缩后总比特数 总压缩后比特数： [ 79 \text{（数据）} + 60 \text{（编码表）} = 139 \text{ 位} ] 压缩比： [ \text{压缩比} = \frac{312}{ 139} \approx 2.24:1 \quad \text{或} \quad 44.6% ] 三、简化案例（忽略编码表开销） 若忽略编码表存储，仅计算数据部分： [ \text{压缩比} 文档规模： 文档越大，编码表开销占比越小，压缩比越接近理论值。 五、实际应用注意事项 二进制存储优化：编码表需按二进制紧凑存储（如位掩码）。 实际压缩比需综合考虑字符分布和编码表开销，理论最大压缩比由字符熵决定。
17310编辑于 2026-01-23- 来自专栏魏艾斯博客www.vpsss.net
Optimizilla 在线图片压缩优化 自由调整图片压缩比例
在多数情况下优化器可以实现优于其它软件和软件的最佳图像压缩比。网站页面支持中文，支持批量上传压缩图片和批量下载，还支持手动拉动滚动条选择压缩后图片质量，并且可直观看到压缩前后对比效果图。
2.9K50发布于 2018-06-01 - 来自专栏技术博文
Linux下常用压缩 解压命令和压缩比率对比
常用的格式有： tar, tar.gz(tgz), tar.bz2, 不同方式，压缩和解压方式所耗CPU时间和压缩比率也差异也比较大。 ，占用时间对比 为了保证能够让压缩比率较为明显，需选取一个内容较多、占用空间较大的目录作为本次实验的测试。 找了一个大概有23G的目录来测试,首先要明确由于执行环境的变化，误差在所难免 首先明确一个概念： 压缩比率=原内容大小/压缩后大小，压缩比率越大，则表明压缩后占用空间的压缩包越小 .tar 打包： time 综上结果，初步结论： 综合起来，在压缩比率上： tar.bz2>tgz>tar 占用空间与压缩比率成反比： tar.bz2<tgz<tar 耗费时间（打包，解压） 打包：tar.bz2>tgz>tar 结论： 再一次印证了物理空间与时间的矛盾（想占用更小的空间，得到高压缩比率，肯定要牺牲较长的时间；反之，如果时间较为宝贵，要求快速，那么所得的压缩比率一定较小，当然会占用更大的空间了）。
9.4K70发布于 2018-04-16 - 来自专栏存储公众号：王知鱼
基于 Chiplets 设计的高压缩比SRAM模块
性能与压缩比的权衡 LZ4的核心特点在于高速度，而不是追求极致的压缩比： 压缩比 一般在1.5:1到2:1之间。 压缩速度 每秒数百MB到数GB，远快于gzip和bzip2。 对于需要极高压缩比的场景（如归档文件），可能不适用。但对于缓存、网络传输等对速度要求高的应用，是理想选择。 5. 与其他压缩算法的比较 与gzip相比 LZ4的压缩速度更快，解压速度尤其快。 gzip提供更高的压缩比，但性能较低。 与Zstandard (zstd) 相比 Zstandard支持更高的压缩比，但在默认配置下，LZ4的速度稍快。 高效压缩 在较小粒度下（如64字节），LZ4的压缩比足以显著减少缓存压力。 轻量级实现 对硬件资源需求低，适合嵌入式硬件实现。 LZ4是一种轻量级、高性能的压缩算法，特别适合于对速度要求高的场景。 UCIe接口 提供了高带宽的通用芯粒互联。 HBM堆叠 高带宽存储堆叠，可与NuRAM结合。 CPU/AI芯片 中心计算单元，连接多种存储和接口。
73610编辑于 2025-02-11 - 来自专栏DrugOne
Methods | 压缩比高达10^48！清华药学院张数一团队仅用82个“锚点”即可表示高适应度序列空间
研究发现，仅需82个锚点就足以将高适应度序列空间压缩，压缩比达到1048。序列空间的极致可压缩性为生物分子设计的应用和对自然进化的理解提供了启示。 这些实验方法通常局限于低维度突变，无法考虑在高维空间中塑造蛋白质适应度景观的自然选择压力。 作者认为这些功能性变体或局部峰值是捕获高适应度基因型空间特征的关键"锚点"。 与传统方法相比，这种方法能够从低维到高维进行快速和全面的进化扫描，并捕获有价值的适应度锚点。 作者在AmeR中确定了39个突变位点，这些位点可能生成高适应性基因型，其理论设计空间约为（）。作者的EvoAI方法有效地证明了AmeR广阔的高适应性基因型设计空间可以被压缩约倍至82个锚点。
36210编辑于 2024-12-20 超高压缩比7-Zip开源解压软件，支持几十种解压格式
7-Zip 是一款开源、免费的压缩软件，没有任何功能限制、广告插件和捆绑程序，安装包仅 1-2MB，资源占用极低，适合各个版本的 Windows 系统。7-Zip 几乎涵盖所有常见类型，它可以压缩和解压 7z、ZIP、GZIP、TAR 等格式。遗憾的一点是，创建 RAR 文件仍需使用 WinRAR。
67810编辑于 2026-04-28- 来自专栏后台技术底层理解
redis高并发高可用
redis 实现高并发主要依靠主从架构，一主多从. 对于性能来说，单主用来写入数据，单机几万QPS，多从用来查询数据，多个从实例可以提供每秒 10w 的 QPS。 如果想要在实现高并发的同时，容纳大量的数据，那么就需要 redis 集群， 使用 redis cluster 模式，可以提供每秒几十万的读写并发。 哨兵用于实现 redis 集群的高可用，本身也是分布式的，作为一个哨兵集群去运行，互相协同工作。 哨兵 + redis 主从的部署架构，是不保证数据零丢失的，只能保证 redis 集群的高可用性。 ==怎么保证redis是高并发以及高可用的==？ sdown 和 odown 转换机制 sdown 是主观宕机，就一个哨兵如果自己觉得一个 master 宕机了，那么就是主观宕机。
3.2K10发布于 2020-08-04 - 来自专栏又见苍岚
大地高、正常高、正高
从地面点沿正常重力线量取正常高所得端点构成的封闭曲面。似大地水准面严格说不是水准面，但接近于水准面，只是用于计算的辅助面。它与大地水准面不完全吻合，差值为正常高与正高之差。 大地高等于正常高与高程异常之和，GPS测定的是大地高，要求解正常高必须先知道高程异常。 高程 基础定义 大地高：地面点沿椭球面的法线到椭球面的距离； 正高：地面点沿铅垂线到大地水准面垂直距离； 正常高：是沿铅垂线到似大地面的垂直距离； 海拔高、大地高 高程是地理学和测量学中对地物高度的一种表达 在实践中，地形图上标出的高度是海拔高，GPS读出的高度是大地高。 正高与正常高 海拔高 分为 正高与正常高。 地球表面上某点沿铅锤方向到大地水准面上的高程叫做正高，可以说是我们平常理解的海拔。 关系 大地高=正高+大地水准面差距； 大地高=正常高+高程异常。
1.5K10编辑于 2024-07-18 - 来自专栏深入理解Android
高并发与高可用实战
大型网站系统应有的特点 高并发，大流量 高并发，大流量：需要面对高并发用户，大流量访问。 高可用 高可用：相对于高并发来说，高可用并不是一个比较有规律的参数，7*24 是每个网站的梦想，但是你并不知道，在某一刻，他就没理由的宕机了。 高并发设计原则 系统设计不仅需要考虑实现业务功能，还要保证系统高并发、高可用、高可靠等。 4.业务降级：当高并发流量来袭，在电商系统大促设计时保障用户能下单、能支付是核心要求，并保障数据最终一致性即可。 这样就可以把一些同步调用改成异步调用，优先处理高优先级数据或特殊特征的数据，合理分配进入系统的流量，以保障系统可用。
2K20编辑于 2022-06-22 - 来自专栏Java架构师必看
高并发高流量网站架构
但Web2.0以用户为导向的理念，使得新生的网站有了新的特点——高并发，高流量，数据量大，逻辑复杂等，对网站建设也提出了新的要求。 本文围绕高并发高流量的网站架构设计问题，主要研究讨论了以下内容： 首先在整个网络的高度讨论了使用镜像网站，CDN内容分发网络等技术对负载均衡带来的便利及各自的优缺点比较。 因此，关键互联网应用的可用性要求非常高。 此类网站可以说是Web2.0概念下的代表网站，具有Web2.0网站所有典型特征：高并发，高流量，数据量大，逻辑复杂，用户分散等等。 7 总结及展望 7.1 总结 图6 典型高并发高流量网站的架构 对于一个高并发高流量的网站来说，任何一个环节的瓶颈都会造成网站性能的下降，影响用户体验，进而造成巨大的经济损失。
2.7K10发布于 2020-10-23 - 来自专栏后台技术底层理解
redis 的高并发高可用
redis 实现高并发主要依靠主从架构，一主多从. 对于性能来说，单主用来写入数据，单机几万QPS，多从用来查询数据，多个从实例可以提供每秒 10w 的 QPS。 如果想要在实现高并发的同时，容纳大量的数据，那么就需要 redis 集群， 使用 redis cluster 模式，可以提供每秒几十万的读写并发。 哨兵用于实现 redis 集群的高可用，本身也是分布式的，作为一个哨兵集群去运行，互相协同工作。 哨兵 + redis 主从的部署架构，是不保证数据零丢失的，只能保证 redis 集群的高可用性。 怎么保证redis是高并发以及高可用的？ sdown 和 odown 转换机制 sdown 是主观宕机，就一个哨兵如果自己觉得一个 master 宕机了，那么就是主观宕机。
1.8K00发布于 2020-08-04 - 来自专栏个人路线
三高（高并发、高性能、高可用）问题如何解？
互联网三高架构：高并发、高性能、高可用，简称三高（3H） 很多时候，面试官一句：在工作中如何处理高并发可能就结束了整场面试！ 那么，构建一个三高的系统，到底可以从哪些方面下手呢。
3.1K10发布于 2021-08-03 - 来自专栏Clive的技术分享
高并发、高可用系统设计原则
高并发原则 无状态：应用无状态，配置文件有状态 拆分：系统维度、功能维度、读写维度、AOP维度、模块维度 服务化：进程内服务->单机远程服务->集群手动注册服务->自动注册和发现服务->服务分组/隔离/ 在应用所在机器上部署一组Redis，直接本机读取数据，多机之间主从同步数据）6、分布式缓存（数据量太多，单机存储不了，用分片机制分散流量到多台要，或用分布式缓存实现，常见的分片规则：一致性哈希算法） 并发化 高可用原则 降级：开关集中化管理，推送机制把开关推送到各个应用；可降级的多级读服务；开关前置化；业务降级，高并发流量来袭，保障核心业务，保证数据最终一致性即可，可同步改异步，优先处理高优先级数据 限流：恶意请求指导
1.2K21发布于 2019-03-06 CTSDB时序存储：车联网海量低成本时序数据库技术概要
核心差异化卖点： 极致压缩： 行业内追求更高压缩比的列存压缩技术，结合时序特征提取与通用压缩，最高可实现 100:1 的压缩比。 硬核指标 压缩比： 特征压缩 + 通用压缩，最高 100:1。 相比Cassandra行存模型，压缩比提升 2X+。 tsbs cpu数据集 (Int/Float) 一阶段特征压缩比达 72:1。 tsbs cpu数据集 (String) 一阶段特征压缩比达 28:1。 高可用： 支持 99.95% 可用性，原生 3AZ 容灾。 性能： 支持毫秒级聚合查询与实时数据写入。 Cassandra压缩比低，成本高。 解决方案： 采用CTSDB，利用其零运维、一键扩容能力。 依托 99.95% 高可用及AZ级容灾架构。 成效： 写入延时降低 50%↓，读取延时降低 90%↓。 HBase通用压缩比低，存储成本高。 解决方案： 利用CTSDB实现毫秒级可查实时预警。 启用秒级弹性扩展应对业务高峰。 成效： 存储成本降低 25%↓。
5800编辑于 2026-05-30腾讯CTSDB时序数据库：面向车联网场景的高性能存储解决方案
其核心技术属性为列式存储与混合压缩算法，核心商业差异化卖点在于针对车联网等超大规模时序数据场景，实现了高数据压缩比、高性能查询与高可扩展性的平衡。 压缩比： 通过特征压缩与通用压缩结合，最高可实现 100:1 的压缩比。 荣誉背书 (原文未提供具体的技术荣誉和奖项信息) 四、 典型案例 案例一：替代Cassandra解决车联网平台挑战 背景： 某车联网平台原使用Cassandra，面临扩展需停服、稳定性不佳、压缩比低成本高的问题 高可用： 服务可用性达 99.95%，支持AZ级容灾。 案例二：替代HBase实现电池高温实时预警 背景： 某业务需实现电池高温大数据实时预警和交通事故关怀，对数据实时性要求高。 原HBase方案在车辆高峰期存在写入性能瓶颈，且通用压缩比低，成本高。 解决方案： 采用腾讯CTSDB。 成效： 实时性： 数据毫秒级可查，满足实时预警需求。
9810编辑于 2026-05-30- 来自专栏look Java
Redis-高可用高并发集群配置
高可用高并发集群配置 Redis集群的搭建 搭建链接:搭建 文档链接: redis文档 概述 高可用 24小时对外提供服务 高并发 同一时间段能处理的请求数 中心化和去中心化 中心化 意思是所有的节点都要有一个主节点
41310编辑于 2023-12-07 - 来自专栏腾讯开源的专栏
【开源公告】“高可用、高吞吐、高可靠”分布式队列PhxQueue开源
PhxQueue PhxQueue 是微信开源的一款基于 Paxos 协议实现的高可用、高吞吐和高可靠的分布式队列，保证At-Least-Once Delivery，目前在微信内部广泛支持微信支付、 其设计出发点是高数据可靠性，且不失高可用和高吞吐，同时支持多种常见队列特性： * 同步刷盘，入队数据绝对不丢，自带内部实时对账 * 出入队严格有序 * 多订阅 * 出队限速 * 出队重放 * 所有模块均可平行扩展 * 存储层批量刷盘、同步，保证高吞吐 * 存储层支持同城多中心部署 * 存储层自动容灾/接入均衡 * 消费者自动容灾/负载均衡 高可用、高可靠、高性能的分布式队列PhxQueue正式开源 Github
1.1K61发布于 2018-03-02 - 来自专栏架构专题
没有预热，不叫高并发，叫并发高
大家都知道，高并发系统有三把斧子：缓存、熔断和限流。但还有一把斧子，经常被遗忘在角落里，郁郁不得志，那就是预热。 ? 现象举例 先说两个现象。这些现象，只能在并发高的系统中出现。 一、DB重启后，瞬间死亡 一个高并发环境下的DB，进程死亡后进行重启。由于业务处在高峰期间，上游的负载均衡策略发生了重分配。刚刚启动的DB瞬间接受了1/3的流量，然后load疯狂飙升，直至再无响应。 当服务重新加入集群时，却发生了大量高耗时的请求，在请求量高的情况下，甚至大批大批的失败。 引起的原因大概可以归结于： 1、服务启动后，jvm并未完全准备完毕，JIT未编译等。 当系统长期处于低水位的情况下，流量突然增加时，直接把系统拉升到高水位可能瞬间把系统压垮。
3.3K21发布于 2019-07-10 - 来自专栏架构师进阶
分布式架构中的三高：高并发、高性能、高可用
关于高并发 高并发场景 互联网应用以及云计算的普及，使得架构设计和软件技术的关注点从如何实现复杂的业务逻 辑，转变为如何满足大量用户的高并发访问请求。 关于高性能 高性能场景 互联网应用以及云计算的普及，使得架构设计和软件技术的关注点从如何实现复杂的业务逻 辑，转变为如何满足大量用户的高并发访问请求。 操作系统优化 4.虚拟机优化 5.基础组件优化 6.架构优化 缓存 消息队列 集群 7.代码优化 使用合理的数据结构优化性能 编写性能更好的SQL语句 实现异步I/O与异步方法调用 关于高可用 高可用场景 我们知道，Web 应用在各种情况下都有可能不可访问，也就是不可用。 而互联网的高可用是说，在上面各种情况下，应用都要是可用的，用户都能够正常访问系统，完成业务处理。 衡量指标 业界通常用多少个 9 来说明互联网应用的可用性。
10.6K23发布于 2021-11-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号