LZMA

✍ dations ◷ 2025-04-25 13:30:56 #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

  • 乳剂乳浊液(英语:emulsion)也称为“乳液”、“乳剂”、“乳状液”或“乳化液”,是指一相液体以微小液滴状态分散于另一相液体中形成的非均相液体分散体系。由油和水混合组成的乳浊液
  • 细胞内寄生物细胞内寄生物(英语:Intracellular parasite)是指一类寄生于宿主细胞中生长、繁殖的生物,可分为兼性(Facultative)和专性(Obligate)寄生物。部分细胞内寄生物会导致相关疾病的发生。
  • 古埃及建筑古埃及建筑是指古埃及时期在尼罗河一带所发展出之具有文明影响力且组织结构多元化的建筑风格。目前这些建筑有一些被完好的保存了下来,其中较知名的有吉萨金字塔群、狮身人面
  • 水厂水厂一般指“给水处理厂”或叫“给水厂”,即利用河流、湖泊、地下水等源水生产居民生活用水、工业生产用水及城镇其他用水(如消防、绿化、浇洒道路等)的水处理厂。与之相对的是
  • 膜攻击复合物膜攻击复合物(MAC),是一种通常生成于致病细菌表面的结构。人体补体系统的替代补体途径、经典补体途径、凝集素途径均可产生这种复合物。该复合物是免疫系统的效应蛋白之一,它可
  • 郭廷以郭廷以(1904年1月12日-1975年9月14日),字量宇,出生于河南舞阳,中国历史学家,1949年前往台湾。他是中国近代史学及中国口述史学的开拓者之一,也是中央研究院近代史研究所的共同创建者
  • Nutt.托马斯·纳托尔(Thomas Nuttall,1786年1月5日-1859年9月10日是英国的植物学家和动物学家。纳托尔出生于约克郡塞特尔的一个小村庄,早期到英格兰工作,作为一个印刷学徒工,后来他到
  • 智利总统智利总统为智利国家元首兼政府首脑。拥有行政权。1993年通过的智利宪法修正案规定总统由普选产生,任期6年,不能连任,2006年后总统任期由6年缩短至4年,与国会任期相同。智利宪法
  • 教宗哈德良二世教宗哈德良二世(拉丁语:Hadrianus PP. II;792年-872年)于867年12月14日-872年11月或12月岀任教宗。任职期间召开第四次君士坦丁堡公会议。
  • 比利亚夫拉德斯德坎波斯比利亚夫拉德斯德坎波斯(西班牙语:Villafrades de Campos),是西班牙卡斯蒂利亚-莱昂巴利亚多利德省的一个市镇。总面积21平方公里,总人口112人(2001年),人口密度5人/平方公里。