Kotlin实现gzip时如何避免先转String再转回ByteArray

你当前实现的冗余开销和潜在数据损坏风险，本质是错误使用字符流（Writer/Reader）处理二进制压缩数据：GZIP 本身是字节层面的压缩算法，全程操作字节流即可，完全不需要做ByteArray与String的互转。

原有实现的问题 #

• 多了两次UTF-8编解码步骤，凭空增加CPU和内存开销
• 如果待压缩的原始字节不是合法UTF-8序列（比如图片、可执行文件等二进制数据），转String的过程会直接造成数据损坏，无法还原原始内容
• 不是通用的GZIP压缩/解压实现，仅能勉强处理UTF-8编码的文本数据

优化后无冗余实现 #

直接基于字节流完成读写，全程无字符串转换逻辑，同时保留协程切IO调度器的逻辑：

import java.io.ByteArrayOutputStream
import java.util.zip.GZIPInputStream
import java.util.zip.GZIPOutputStream
import kotlinx.coroutines.Dispatchers
import kotlinx.coroutines.withContext

suspend fun gzip(content: ByteArray): ByteArray = withContext(Dispatchers.IO) {
    ByteArrayOutputStream().apply {
        GZIPOutputStream(this).use { gzipOut ->
            // 直接写字节数组，不经过字符流转换
            gzipOut.write(content)
        }
    }.toByteArray()
}

suspend fun ungzip(content: ByteArray): ByteArray = withContext(Dispatchers.IO) {
    ByteArrayOutputStream().apply {
        GZIPInputStream(content.inputStream()).use { gzipIn ->
            // 直接拷贝字节流，不经过文本读取步骤
            gzipIn.copyTo(this)
        }
    }.toByteArray()
}

实现说明 #

• 全程使用字节流操作，没有任何String与ByteArray的互转逻辑，性能开销最低
• 依靠Kotlin的use扩展函数自动关闭流资源，不会出现资源泄漏
• 支持任意格式二进制数据的压缩解压，不存在编码导致的数据损坏问题
• 解压逻辑使用Kotlin标准库提供的copyTo扩展完成流拷贝，默认使用8KB缓冲区，如需优化大文件处理性能，可以手动传入bufferSize参数调整缓冲区大小。

注意：GZIPOutputStream在use块触发close时会自动写入压缩尾部标记，不需要手动调用finish()方法。

内容的提问来源于stack exchange，提问作者Jan Vladimir Mostert