LZMA

✍ dations ◷ 2025-06-28 20:03:29 #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

  • 原子核滴线在以原子核内中子数为横坐标,以质子数为纵坐标的核素图上,在丰质子一侧和丰中子一侧,各有一条边界线,超过边界线的原子核无法存在,称为原子核滴线,丰质子一侧的滴线称为质子滴线
  • 高吻龙高吻龙属(学名:Altirhinus)是鸭嘴龙超科下的一个属,生活于下白垩纪的蒙古。高吻龙是双足行走的植食性恐龙,但在摄食时则可以四足站立的。整个身长由鼻端至尾巴可能约8米。在2010
  • 经济学家经济学家、是指从事经济学理论研究及其应用工作的人。有时针对不同的研究领域或者流派,通过添加定语而有不同的称呼。譬如,主要研究西方经济学的经济学家给称为“西方经济学家
  • 旧天主教旧天主教会(英语译名:Old Catholic Church),也称作老天主教会、古天主教会、复古天主教会、旧公教会、老公会等,是一支源流自天主教的基督教独立宗派,1870年代从天主教会独立而出,
  • 热带地区热带,(英语:Tropics)的广义是指地球上南、北回归线(南、北纬23度26分)之间的地区的总称,但在气候方面一般会进一步区分出赤道热带和亚热带,无极昼极夜现象。热带有时从气候上定义,指
  • SETI@homeSETI@home(Search for ExtraTerrestrial Intelligence at Home,“在家搜寻外星智慧”),是一个通过互联网利用个人计算机处理天文数据的分布式计算项目。该项目试图通过分析阿雷
  • 陶氏杜邦陶氏杜邦(英语:DowDuPont Inc.,NYSE:DWDP)是一家美国化学工业公司。2017年8月31日,由当时陶氏化工和杜邦以换股方式合并,以销售量为全球最大化学企业公司。而在18个月后,该公司按业
  • 路易·B·梅耶路易·伯特·梅耶(Louis Burt Mayer),本名拉扎尔·梅厄(Lazar Meir),生于俄罗斯帝国明斯克,犹太人,好莱坞米高梅电影公司创始人之一。1998年的时代周刊将其评为20世纪最重要的100个
  • 阁皂山坐标:21°51′51″N 115°38′57″E / 21.86417°N 115.64917°E / 21.86417; 115.64917 阁皂山,或作阁皂山、合皂山,简称阁山,位于中国江西省樟树市(旧清江县东南),以山形如阁,山色
  • 美国权利法案美国权利法案是美国宪法前十条修正案的统称。这些修正案的提出是为了缓解那些反对批准宪法的反联邦党人(英语:Anti-Federalists)的担忧,其中保障了多项个人自由,限制了政府的司法