我为一种 super 晦涩的压缩格式编写了一个 Java 压缩器。 (它主要用于 20 世纪 90 年代的 Amiga 计算机)。
有大量关于如何解压缩文件格式的文档,但没有关于实际如何压缩它的文档。
所以,我尝试自己做。它有效,但有一个问题。在“低强度设置”下,我花了 42 秒来压缩所有我想要压缩的文件。在较高强度设置下,大约需要 10 倍的时间。
我相信它可以比这快得多。
它基本上是 Lz77 滑动窗口变体。
真正的瓶颈是寻找现有的压缩对象。
现在,我正在使用 Map<Byte, List<Integer>>
(List<Integer>
是该字节所在的所有索引。)
要找到潜在的匹配项,它的作用是:
它获取正在压缩的文件的当前索引。
它得到List<Integer>
从 Map 中获取当前索引处的字节。
它通过使用该列表找到文件中已出现的最长字节子列表,并仅检查它们匹配的长度。
我认为更好的数据结构可以显着加快速度,但我陷入了这一点。
由于该程序的用途,我必须遵守的限制之一是我需要严格遵守这种古老的压缩格式。
如何优化压缩而不降低打包数据的效率?
主要瓶颈代码:
private static int search(byte[] data, int bufferEnd, List<Byte> target, Map<Byte, List<Integer>> dictionary) {
int minIndex = Math.max(0, bufferEnd - getMaximumOffset(target.size())); // There's a certain point at which data will not be compressed. By calculating it here, it saves a lot of overheard, and prevents this from becoming O(n^2)
byte test = target.get(0);
if (!dictionary.containsKey(test))
return -1; // No results found.
List<Integer> possibleResults = dictionary.get(test);
for (int i = possibleResults.size() - 1; i >= 0; i--) {
int testIndex = possibleResults.get(i);
if (minIndex > testIndex)
break; // We've gone too far.
// Test this
boolean pass = true;
for (int j = 1; j < target.size(); j++) {
if (target.get(j) != data[j + testIndex]) {
pass = false;
break; // Break from the j for loop.
}
}
if (pass) // A match has been found. Return it.
return testIndex;
}
return -1;
}
调用者:
while ((tempIndex = search(data, i, searchList, dictionary)) >= 0) { // Find the longest compressable bunch of characters.
if (data.length - 1 == readIndex) // If we've reached the end of the data, exit.
break;
searchList.add(data[++readIndex]);
}
完整代码 here为任何需要它的人。
最佳答案
您缺少大量优化,尤其是低级别的优化。
Map<Byte, List<Integer>>
这是非常低效的。
实际上,一个Map
速度相当快,但比数组慢得多。而不是map.get(someByte)
,它执行自动装箱和映射查找(一些索引计算和一些数组访问),您可以使用 array[someByte & 0xFF]
进行单个数组访问。 ,获得大约一个数量级的加速。
同样,List<Integer>
当您从 int
开始时意味着自动装箱s。自动装箱通常是可以接受的,但当它是要求严格的算法的核心时就不行了。您可以编写一个自己的类,其行为类似于 List<int>
或者谷歌搜索(有一些很好的库)。
if (!dictionary.containsKey(test))
return -1; // No results found.
List<Integer> possibleResults = dictionary.get(test);
这是不必要的双重查找。除非您使用 null
值,可以写为
List<Integer> possibleResults = dictionary.get(test);
if (possibleResults == null)
return -1; // No results found.
速度是原来的两倍,但正如我所写,您应该在此处使用数组。
关于高级优化,我真的不知道如何有效地压缩,但我确信,有很多技巧。如果没有压缩方面的资源,我会从滚动哈希开始。但首先要了解一般的压缩。
关于java - 如何优化 Lz77 滑动窗口压缩机?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52584199/