LZMA

✍ dations ◷ 2025-12-10 07:31:51 #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

  • 内华达州内华达州(英语:State of Nevada),简称内州,是美国西部的一个州,以其发达的赌博业而著称。该州的邮政缩写是NV。“内华达”来源于西班牙语,意思是“被雪覆盖”,原本是用来形容该州西
  • 法显法显(337年-422年),俗姓龚,平阳武阳(今山西省长治市襄垣县)人,东晋、刘宋的高僧、旅行家、翻译家。因法显的三位兄长都幼年早亡,其父亲怕殃及法显,在其三岁时便让他剃度出家为沙弥。二
  • 湿度湿度(英语:Humidity)一般在气象学中指的是空气湿度,它是空气中水蒸气的含量。与蒸汽干燥度(也称蒸汽的品质,英语:dryness fraction of steam, quality of steam)不同,空气中液态或固
  • 乌冬乌冬面(日语:饂飩/うどん udon),是一种日本的以小麦为原料制造的面体,在粗细和长度方面有特别的规定。现今日本乌冬面的形状诞生于室町时代(公元1336─1573)中期,元禄时代(公元1688─
  • 丝盘虫黏丝盘虫(Trichoplax adhaerens)是1883年由德国生物学家Franz Eilhard Schulze (1840-1921)在奥地利Graz大学的水族馆发现的。目前在扁盘动物门中仅确认此一种,一般称丝盘虫即
  • 公元前13世纪前1300年至前1201年的这一段期间被称为前13世纪。
  • 南乔治亚和南桑威奇群岛专员埃德温·波特·阿罗史密斯(Edwin Porter Arrowsmith)第一任高级专员 M·贝克·贝茨 (M. Baker Bates)南乔治亚岛和南桑威奇群岛专员是英国君主在英国海外领地南乔治亚和南桑威
  • 伊迪丝·华顿伊迪丝·华顿(Edith Wharton, 1862年1月24日-1937年8月11日),原名伊迪丝·纽伯德·琼斯(Edith Newbold Jones),美国女作家,作品有《高尚的嗜好》、《纯真年代》、《四月里的阵雨》、
  • 位置矢量在三维空间里,相对于某参考点,一个质点的位置,可以用位置矢量来表示。设定一坐标系,参考这坐标系,质点的坐标,就是相对于这坐标系的原点的位置矢量。在运动学里,位置矢量是描述质点
  • 锦山古道锦山古道,位于中国广东省梅州市大埔县三河坪水,为梅州市大埔县的一个县级文物保护单位,类型为其他,公布时间为1999年9月。锦山古道的历史年代为唐代。