LZMA

✍ dations ◷ 2025-12-05 04:01:28 #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

  • 凝血病凝血病指凝血能力受损的病症,可能导致出现长期或过度出血的倾向。这种出血既可能是自发性的,也可能发生在受伤或手术后。值得注意的是,凝血病有时被错误地称为“凝血障碍”,而凝
  • 规范控制权威控制或规范控制,是图书馆信息学中一个整理图书馆目录(英语:Library catalog)和目录信息的方式,使同一主题使用相同、唯一的标题。这些标题贯彻整个目录库并且能与其他交叉引
  • 音节文字音节文字(Syllabary)是表音文字的一种,是一套代表着用以构成词的音节和音拍的书写符号,一般一个音节对应一个字符。音节文字中的符号被称为syllabogram,一般是由一个辅音(不是必须
  • 戎克船戎克船,又称为“䑸”,中国古帆船的一种。日文汉字“戎克”为马来语“dgong”或“jong”的音译;也有说法是音译自葡萄牙文“junco”(意为冲锋)。中国史学家朱维干考查证据,是由闽南
  • 约翰·查尔斯·菲尔兹约翰·查尔斯·菲尔兹(英语:John Charles Fields,1863年5月14日-1932年8月9日),加拿大数学家。他设立了菲尔兹奖,颁给成就杰出的数学家。菲尔兹生于加拿大安大略省哈密顿市一皮革店
  • 调幅电台调幅广播(英语:Amplitude Modulation Broadcast,常缩写为AM广播)是一种利用幅度调制技术的广播方式,通常专指中波广播。调幅是二十世纪主要的广播技术,至二十一世纪的现在仍然广泛
  • 汤姆斯通汤姆斯通(英语:Tombstone,意译“墓碑”,也称墓碑镇) 为美国亚利桑那州科奇斯县的一座历史名城,1879年由埃德·席费林建立。该城市为美国旧西部最后开拓的边境城市之一。汤姆斯通曾
  • 三氧化二锿三氧化二锿是一种人工合成的放射性无机化合物,是锿的氧化物,化学式为Es2O3。由于所有锿的同位素都是由人工合成,半衰期最长也只有约471天16时48分钟,所以三氧化二锿只能人工合成
  • 德利多富Nixdorf电脑公司(Nixdorf Computer AG)是一家(德国)电脑公司,于1968年由海因斯·利多富在德国帕德博恩市所创办。该公司曾是欧洲第四大的电脑公司,并在银行系统领域中拥有全球性的
  • 手机刑警钱形系列《手机刑警钱形系列》是日本BS-i自2002年10月开始播放的一部侦探题材电视剧,特色是由年轻的女演员担当主演。至2013年为止已经有超过10部系列作品。由于女主演常常是有潜力的