如何有效地预测数据是否可压缩

我想编写一个存储后端来存储更大的数据块。数据可以是任何东西，但它主要是二进制文件（图像，pdf，jar文件）或文本文件（xml，jsp，js，html，java...）。我发现大部分数据已经压缩。如果所有内容都压缩，则可以节省大约15%的磁盘空间。

我正在寻找最有效的算法，可以很有可能地预测一个数据块（假设128 KB）可以被压缩或不压缩（无损压缩），而不必查看所有数据（如果可能的话）。

压缩算法将是LZF，Deflate或类似的东西（可能是Google Snappy）。因此，预测数据是否可压缩应该比压缩数据本身快得多，并且使用更少的内存。

我已经知道的算法：

• 尝试压缩数据的子集，假设128字节（这有点慢）

• 计算128字节的总和，如果它在一定范围内，那么它很可能是不可压缩的（在128 * 127的10%以内）（这很快，而且相对不错，但我正在寻找更可靠的东西，因为算法实际上只查看每个字节的最上面的位）

• 看看文件头（相对可靠，但感觉像作弊）

我想一般的想法是，我需要一种算法，可以快速计算字节列表中每个位的概率是否大约为0.5。

更新

我已经实现了“ASCII检查”，“熵计算”和“简化压缩”，并且都给出了很好的结果。我想改进算法，现在我的想法是不仅要预测数据是否可以压缩，还要预测可以压缩多少数据。可能使用算法的组合。现在，如果我只能接受多个答案...我将接受给出最佳结果的答案。

仍然欢迎其他答案（新想法）！如果可能的话，使用源代码或链接：-）

更新 2

类似的方法现在在Linux中实现。