LZMA

✍ dations ◷ 2025-11-16 05:08:47 #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

  • 阅读障碍失读症(英语:Dyslexia、reading disorder、alexia),或称阅读障碍,是描述在智力无缺损的状况下,对于阅读和书写文字具有困难的症状。症状的严重程度因人而异。其他的症状包括难以拼
  • 自然疗法自然医学(英语:Naturopathy,或Naturopathic Medicine),又称自然疗法,起源于19世纪欧洲的非主流医疗方式,通常被归类在替代医学中。自然医学把人体视为一个整体,相信人体存在生命力,有
  • SDLC系统发展生命周期(System Development Life Cycle,SDLC),也称软件生命周期,是系统工程、信息系统和软件工程中的术语,用于描述一个信息系统从规划、创建、测试到最终完成部署的全
  • 吕德弗朗索瓦·吕德(François Rude,1784年1月4日-1855年11月3日),法国雕塑家。吕德出生于法国中东部的第戎,年轻时和父亲一起为人修造炉灶,1809年从第戎的艺术学校毕业到巴黎深造,1812
  • 伯克自然历史和文化博物馆伯克自然历史和文化博物馆(Burke Museum of Natural History and Culture)是一座位于美国华盛顿州西雅图的自然历史博物馆。1899年建立时叫做华盛顿州立博物馆(Washington Stat
  • 医改1999年规定:印章直径5厘米,中央刊五角星,由国务院制发。国务院深化医药卫生体制改革领导小组,是已撤销的国务院阶段性工作机制,负责领导深化医药卫生体制改革工作。2008年12月20
  • 拉美拉丁美洲,简称拉美,是美洲的一部分,狭义上包括了以拉丁语族(也称罗曼语族,主要是西班牙语、葡萄牙语和法语)语言为官方语言的美洲国家和地区;广义上包括了美国以南的全部美洲国家与
  • 真理永恒真理永恒(梵语:सत्याग्रह,Satyāgraha,英语:Satyagraha),字面意思为坚持真理,由梵文satya(真理)与 agraha(坚持)所组成的复合字,起源自印度教。它是非暴力抵抗与公民抵抗运动之
  • 阿买得·撒努西阿买得·撒努西 (英语:Ahmed Al-Zubair al-Senussi 或 Zubeir Ahmed El-Sharif,阿拉伯语:أحمد الزبير الشريف‎,1934年-),利比亚政治人物,是利比亚全国过渡委员会的
  • 杨峻荣杨峻荣(1963年11月6日-),台湾音乐人,出生于苗栗县大湖乡,毕业于国立台湾大学农业推广学系,曾任阿尔发音乐总经理、杰威尔音乐共同创办人兼董事长。歌手出身,代表作品有《我还好》、