LZMA

✍ dations ◷ 2025-05-16 14:56:39 #无损压缩算法

LZMA(Lempel(英语:Abraham Lempel)-Ziv(英语:Jacob Ziv)-Markov chain-Algorithm的缩写)是2001年以来得到发展的一个数据压缩算法,它用于7-Zip归档工具中的7z格式和 Unix-like 下的 xz 格式。它使用类似于LZ77的字典编码(英语:Dictionary coder)机制,在一般的情况下压缩率比bzip2为高,用于压缩的字典文件大小可达4GB。

C++语言写成的LZMA开放源码压缩库使用了区间编码支持的LZ77改进压缩算法以及特殊的用于二进制的预处理程序。LZMA 对数据流、重复序列大小以及重续序列位置单独进行了压缩。LZMA支持几种散列链变体、二叉树以及基数树作为它的字典查找算法基础。

BCJ / BCJ2压缩工具所附带的LZMA SDK包括:在X86、ARM、PowerPC、IA-64以及ARM Thumb处理器上在压缩之前跳转目标进行归一化处理。对于x86平台来说,这是一个近跳转、近调用以及近条件跳转需要从“向后跳1665字节”这样的机器语言归一化到“跳转到5554”这样的格式,但是短跳转及短条件跳转不需要进行这样的处理。

BCJ与BCJ2之间的区别在于前者只将近跳转及近调用目标地址转换到归一化的形式,而BCJ2只将x86平台下的近跳转、近调用及条件近跳转目标分别进行压缩。

一些Windows操作系统专有的特性深深嵌入在原始程序中,使得最初很难生成一个与Unix等系统兼容的版本。然而,LZMA 由于其开放源码特性,仍然最终获得了各种平台的实现:

在GNU通用公共许可证下发布的 7-zip 参考版本有以下几个特点:

这个特点使得这个这个算法的解压过程非常适合于嵌入式系统应用的场合。p7zip 为 7-zip 的 POSIX 系统移植。

LZMA Unix Port 是一个只移植了 7-zip 中 LZMA 压缩代码的版本,内含命令行参数类似于 gzip 的基于数据流的压缩工具。它不是一个归档工具,而只是一个普通的压缩工具,并且由于它在没有数据头中没有未压缩文件大小的UInt64变量,所以它与7-zip生成的LZMA数据流中不同。7-zip使用一种更加灵活的归档格式7z,因此不能被此工具解压。

后来类似的 xz 替代了 LZMA Unix Port,提供了更好的压缩功能,并最终以其优异的性能和压缩比成为了不少开源软件(例如 Linux 内核源码、Debian deb 和 Fedora rpm)的压缩方式之一,甚至是默认压缩方式。xz 命令行程序曾有过一个名为 pxz 的分支,提供多线程压缩功能,后来 xz 在 5.2 时本身就直接提供多线程了。


Lzip 是另一个 Unix-like 系统下的 LZMA 压缩格式,其主要目的之一就是和 xz 竞争。与 xz 相比,它的最大亮点在于提供更简单的文件格式和因此得来的更方便的数据恢复。Lzip 的格式如此简单以至于其文档中就存在一个解压器实现,于是未来的数据考古学家即使在量子计算机使得 LZMA 无用多时之后只靠文档也能成功解压文件。

使用或者支持LZMA的软件有:

LZMA的压缩输出流是一个比特流,采用自适应二进制行程编码器(adaptive binary range coder)。比特流划分为包(packet),每个包或者表示一个字节的被压缩数据,或者如同LZ77的压缩输出序列那样的长度与距离的对(pair)。每个包得每个部分作为独立的上下文(context),从而对每个比特的概率预测仅相关于前一个包的同类型比特值。

有7类包:

LONGREP 表示LONGREP四种包, *REP指称LONGREP 与SHORTREP, *MATCH指称MATCH或*REP.

LONGREP包删除了对距离的直接表示,而是使用包序列最近四个距离。


包的长度部分表示如下:

如同LZ77, 长度不一定要小于距离。

距离在逻辑上是32比特,距离0表示最近增加到词典的那个字节。

距离的编码以6比特"distance slot"开始,由此可知后面跟着多少比特来补全。这是可变长编码。距离解码后为比特流,从最显著位到最不显著位。distance slots 0−3直接编码了0−3.

依据嵌入到Linux kernel的 XZ解码算法源文件。

相关

  • 蟑螂蟑螂是一种有着1亿年演化历史的杂食性昆虫。过往泛指所有属于“蜚蠊目”(Blattodea)的昆虫,目前已发现大约有4100多种,与人类的食性重叠,而只有部分蟑螂才会进入到人类的家居,它们
  • 苏消安苏消安(英语:Treosulfan,又称曲奥舒凡)是一种正在研究的治疗癌症的药物。 它属于烷化剂。卤化/核糖核苷酸还原酶抑制剂(克拉屈滨、克罗拉滨、氟达拉滨、奈拉滨)聚合酶链式反应抑制
  • 新台币新台币,是中华民国现行的法定货币,于1949年6月15日起发行流通,当时定位为限定台湾使用的区域货币,目前则在整个中华民国有效统治区域(台澎金马)均可流通使用。原始发行机构为台湾
  • 时母时母(天城体:काली,kālī,音译为迦梨或迦利,字面意思是“黑色的”)为印度教的一个重要女神。传统上她被认为是湿婆之妻雪山神女的化身之一,为威力强大的降魔相。时母一词也可解
  • Z玻色子在物理学中,W及Z玻色子(boson)是负责传递弱核力的基本粒子。它们是1983年在欧洲核子研究组织发现的,被认为是粒子物理标准模型的一大胜利。W玻色子是因弱核力的“弱”(Weak)字而命
  • 德国邮政德国邮政DHL集团(德语:Deutsche Post DHL Group;LSE:DPO,FWB: DPW)是德国联邦邮政1995年私有化成立的私有制邮政公司,拆分后的另外两个企业是德国电信和德国邮政银行。为了防止德
  • 三氯杀螨醇三氯杀螨醇(英语:Dicofol)是一种有机氯杀虫剂,与DDT化学结构类似,也是一种杀螨剂(英语:miticide),对叶螨科特别有效。DDT可作为三氯杀螨醇工业合成的前体。世界卫生组织将三氯杀螨醇
  • 波特县波特县(Potter County, Texas)是位于美国德克萨斯州北部狭地的一个县。面积3,536平方公里。根据美国2000年人口普查,共有人口113,546人。县治阿马里洛(Amarillo)。成立于1876年8
  • 亨利·赫兹利特亨利·赫兹利特(英语:Henry Hazlitt,1894年11月28日-1993年7月8日)是自由意志主义哲学家、经济学家,也曾担任华尔街日报、纽约时报等报刊的记者。生于一个贫穷的家庭,他的父亲在他
  • 维基文库维基文库(英语:Wikisource)是维基媒体基金会旗下维基百科的姊妹计划,目的是创建一个自由的、基于Wiki的文献仓库,包括每一个语言版本的完整原始文献,并且把这些文献翻译成多种语言