XZ Utils 介绍
现在流行的linux发行版经常会提供一个新型的压缩工具，叫做XZ Utils。可以去http://distrowatch.com上查看各个发行版本的配置信息。该工具可以得到更高的压缩率。可以做的比其他常见压缩算法要好。
关于 XZ Utils
XZ Utils 是为 POSIX 平台开发具有高压缩率的工具。它使用 LZMA2 压缩算法，生成的压缩文件比 POSIX 平台传统使用的 gzip、bzip2 生成的压缩文件更小，而且解压缩速度也很快。最初 XZ Utils 的是基于 LZMA-SDK 开发，但是 LZMA-SDK 包含了一些 WINDOWS 平台的特性，所以 XZ Utils 为以适应 POSIX 平台作了大幅的修改。XZ Utils 的出现也是为了取代 POSIX 系统中旧的 LZMA Utils。
XZ Utils 主要包含了下列部分：
命令行程序 xz，用来生成和解压缩 .xz 压缩文件。
一组实用的脚本工具 (xzcat, xdiff, xzgrep 等）提供浏览，查找以及比较 .xz 文件内容等功能。
liblzma 压缩库，提供算法的实现和近似于 ZLIB 的编程接口。
提供对 LZMA Utils 的一些兼容
xz 文件格式
XZ Utils 工具生成的压缩文件扩展名为 .xz (MIME 类型为"application/x-xz")。.xz 文件格式具有下列特点：
基于数据流: 易于通过管道 (pipe) 生成压缩文件或解压缩文件。.xz 文件格式与 .gz/.bz2 文件一样，不具备对多个文件进行归档打包的能力。若要处理多个文件，可以和归档工具 tar 结合使用，生成扩展名为 .tar.xz 或 .txz 的压缩文件。
随机读取: 存储的数据被划分为独立的压缩块，并对每个压缩块进行索引，当每个压缩块比较小时，便能够进行有限的随机读取压缩数据。
完整性验证: 可以使用 CRC32、CRC64、SHA-256 来进行数据的完整性验证，也可以增加自定义验证方法。
可连接(concatenation): 类似于 .gz/.bz2 文件，可以把多个压缩数据流连接到一个文件中。解压缩时，就像解压一个正常单压缩流文件一样。
支持多filter和filter链: 提供自定义 filter 的能力，也能够将多个 filter 组成 filter 链，对数据进行处理。这点与 Unix 命令间使用的管道 (pipe) 类似。
可填充(padding): 可以在 .xz 文件末尾填充二进制'0'以充满特定大小的空间，比如备份磁带上的一个块 (block)。
LZMA2 压缩算法
LZMA2 是 .xz 文件格式使用的压缩算算法。LZMA(Lempel-Ziv-Markov chain-Algorithm) 原本是 Windows 平台上著名压缩工具 7-Zip 中的 .7z 文件格式的默认压缩算法。LZMA 使用类似于 LZ77 的字典编码机制。在大多数情况下，LZMA 算法都能够提供很高压缩率和较快的压缩速度。LZMA2 是 LZMA 的改进版本，相对于 LZMA，LZMA2 增进了 encoder 和 decoder 的实现，并改善了对多线程的支持。
高压缩率
与 POSIX 系统上传统的压缩工具 gzip、bzip2 相比，XZ Utils 吸引人的地方在于，它能够提供更高的压缩率，生成的文件更小，而且解压数据的速度也很快。XZ Utils 的主页上描述：对于典型文件，XZ Utils 能够生成比使用 gzip 小 30%，比使用 bzip 小 15% 的压缩文件。
下面便针对压缩率、压缩速度和解压速度三个方面进行简单的验证。
测试环境的 CPU 为 AMD Athlon X4 3.0GHz，内存为 8G。操作系统为 64 位版本的 Gentoo Linux。所有的测试均在 /dev/shm（即内存设备）下进行，这样尽可能避免了 I/O 读写对测试结果的影响。
测试内容为 gzip、bzip2、xz 分别压缩原始大小为 445M 的 linux-kernel-3.2.1.tar 文件，然后解压缩生成的压缩文件。测试分两组：
gzip、bzip2 和 xz 分别使用参数"-1"（最小压缩率）至"-9"（最大压缩率）压缩文件。
不设定压缩率参数既使用各自的默认压缩率。gzip 和 xz 默认压缩率参数均为"-6",bzip2 默认相应的为"-9"。
分别记录下生成的压缩文件大小，压缩用时，解压用时数据。将所有收集到的数据进行整理。
处理后，使用 gnuplot 工具分别生成了下面的三个柱状比较图。下列柱状图中 X 轴的 "-" 表示使用默认压缩率。
压缩后文件大小的比较如下图：
根据上图，清楚地显示 xz 生成的压缩文件最小，即具有高压缩率。且通过图中比较可以看出，xz 生成的压缩文件大小的确约比 gzip 生成的文件小 30%，比 bzip 生成的文件小 15%。
压缩用时的比较如下图：
由此图可以看到 xz 的解压速度和 gzip 一样有着稳定的表现。大幅少于 bzip2 的解压缩用时，虽比 gzip 用时稍多，但从 xz Utils 在同等条件下比 gzip 拥有更出色高压缩率来看，解压缩用时的表现也是不错的。
从以上的验证数据的对比可以看出：XZ Utils 具有 高压缩率,解压速度快的特点。能够生成更小文件的同时，也能提供稳定快速的解压，在对数据大小比较敏感的场合，比如说大数据的网络传输，文件的备份，处理能力有限的嵌入系统等场合，有着十分广泛的用途。
使用 xz 命令
xz 命令的基本用法
xz 命令帮助信息
$ xz --help Usage: xz [OPTION]... [FILE]... Compress or decompress FILEs in the .xz format. -z, --compress force compression -d, --decompress force decompression -t, --test test compressed file integrity -l, --list list information about .xz files -k, --keep keep (don't delete) input files -f, --force force overwrite of output file and (de)compress links -c, --stdout write to standard output and don't delete input files -0 ... -9 compression preset; default is 6; take compressor *and* decompressor memory usage into account before using 7-9! -e, --extreme try to improve compression ratio by using more CPU time; does not affect decompressor memory requirements ...
压缩一个文件 test.txt，压缩成功后生成 test.txt.xz, 原文件会被删除。
$ xz test.txt $ ls test.txt* test.txt.xz
解压 test.txt.xz 文件，并使用参数 -k 保持原文件不被删除，
$ xz -d -k test.txt.xz $ ls test.txt* test.txt.xz test.txt
使用参数 -l 显示 .xz 文件的基本信息。基本信息包括压缩率、数据完整性验证方式等。也可以和参数 -v 或 -vv 配合显示更详尽的信息。
$ xz -l index.txt.xz Strms Blocks Compressed Uncompressed Ratio Check Filename 1 1 768 B 1,240 B 0.619 CRC64 index.txt.xz
使用参数 -0, -1, -2, … -6, … -9 或参数 --fast, --best 设定压缩率。xz 命令的默认为 -6 ，对于大多数系统来说，甚至是一些较旧的系统，-4 … -6 压缩率预设值都不错的表现。
$ xz -k7 xz_pipe_decomp_mini.c $ xz -k --fast xz_pipe_decomp_mini.c
和 tar 命令配合处理多个文件。一般来说，有两种简单的方法将 tar 和 xz 结合起来，一是使用管道，或是使用 tar 命令的参数'J'。两种方法各自有各自的优点，第一种方法可以充分利用 xz 利用丰富的参数。而第二种方法使用起来更简单容易。例子分别如下
使用管道
$ tar cf - *.c | xz --best > src.tar.xz # compress $ xz -d src.tar.xz --stdout | tar -x # decompress
使用 tar 参数 "J
$ tar cJf src.txz *.c # compress $ tar xJf src.txz # decompress
复杂的用法
使用参数 -H 显示 xz 命令所有 options. 参数 -H 比使用参数 --help 显示的内容更详细。
$ xz -H | more
借助 xargs 命令并行压缩多文件。下面的命令行可以将 /var/log 目录下所有的扩展名为 .log 的文件压缩。通过 xargs 命令同时运行多个 xz 进行压缩。
# find /var/log -type f -iname "*.log" -print0 | xargs -P4 -n16 xz -T1
注意：运行此命令须有 root 权限。
连接 (concatenation) 多个 .xz 文件。可以把多个压缩数据流连接 (concatenation) 到一个文件中。解压缩时，就像解压一个正常单压缩流文件一样。如下例，两个 .xz 文件 concat_1.txt.xz 和 concat_2.txt.xz, 用 cat 命令将他们合并为文件 concat.xz，解压缩 concat.xz 这个文件会发现 concat_1.txt.xz 和 concat_2.txt.xz 中的内容合并在一起了。
$ xzcat concat_1.txt.xz .xz file concatenation test: ~ file1 ~ $ xzcat concat_2.txt.xz .xz file concatenation test: ~ file2 ~ $ cat concat_1.txt.xz concat_2.txt.xz > concat.txt.xz #concatenation $ xz -d concat.txt.xz #decompress $ cat concat.txt #print file concat.txt .xz file concatenation test: ~ file1 ~ .xz file concatenation test: ~ file2 ~
适于 shell 编程的 Robot 模式。xz 命令使用参数 --robot 输出易于 shell 处理的信息。
$ xz --list xz_pipe_mini.exe.xz ## normal output Strms Blocks Compressed Uncompressed Ratio Check Filename 2 2 12.8 KiB 42.7 KiB 0.300 CRC64 xz_pipe_mini.exe.xz $ xz --list --robot xz_pipe_mini.exe.xz ## robot model name xz_pipe_mini.exe.xz file 2 2 13112 43695 0.300 CRC64 0 totals 2 2 13112 43695 0.300 CRC64 0 1
下例是利用 --robot 打印出文件压缩率的一个例子：
$ xz -l --robot xz_pipe_mini.exe.xz | gawk \ '/^name/ {printf "%s =>",$2} \ /^totals/ {printf "compressed radio:%.2f%\n", $6 * 100}' xz_pipe_mini.exe.xz =>compressed radio:30.00%自定义 filter Chain. 有时需要一些特殊的设定，以满足一些特定需求。xz 提供了很多 参数自定义压缩细节。下面有两个例子
若希望解压缩使用很少内存，比如在嵌入式系统中解压。可以使用使用参数 -e，并设定压缩使用的字典大小为 64KB。参数 -e (--extreme) 是指使用稍慢的压缩速度以尝试稍稍提高一些压缩率。这样便可在解压缩时使用很少的内存空间。命令如下：
$ xz --check=crc32 --lzma2=preset=6e,dict=64KiB file
若压缩文件中是可执行的二进制数据时，使用的合适的 BCJ(branch/call/jump) filter 可以提高压缩率。例如 libwx_gtk2u_core-2.8.so.0.8.0 是 wxGTK 库的一个共享库文件，它原始的大小为 3980KB. 若采用默认的参数压缩后的大小为 916KB. 通过相应指定 filter Chain, 可以生成更小些的文件 .
$ xz libwx_gtk2u_core-2.8.so.0.8.0 $ du -k libwx_gtk2u_core-2.8.so.0.8.0.xz 916 libwx_gtk2u_core-2.8.so.0.8.0.xz $ xz --x86 --lzma2 libwx_gtk2u_core-2.8.so.0.8.0 $ du -k libwx_gtk2u_core-2.8.so.0.8.0.xz 856 libwx_gtk2u_core-2.8.so.0.8.0.xz
从上面执行结果来看，利用合适的 filter Chain 最终生成的文件大小为 865KB。参数 --x86 --lzma2 就组成了一个 filter Chain。参数 --x86 是指使用 x86 平台的 BCJ filter，适用于 32 位和 64 位系统。参数 --lzma2 则指使用 lzma2 算法进行压缩。
使用 xzgrep,xzcat,xzdiff 等实用工具
xzcat
xzcat 命令其相当于 "xz --decompress --stdout" 就是将解压出的数据输出到标准输出 (stdout)。下面的例子用来统计压缩 test.txt.xz 文件所包含数据的行数。
$ xzcat test.txt.xz | wc -l ## count the lines of test.txt
xzgrep
xzgrep 可以用来 grep 压缩文件所包含的数据内容。其内部就是调用 grep 命令，所以参数和 grep 一致。下面的例子打印出 xz_pipe_comp_mini.c.xz 中所有包含以"lzma_"开头单词的行号和行内容。例：
$ xzgrep -P -n "lzma_\w+" xz_pipe_comp_mini.c.xz 8: lzma_check check = LZMA_CHECK_CRC64; 9: lzma_stream strm = LZMA_STREAM_INIT; /* alloc and init lzma_stream struct */ 15: lzma_easy_encoder (&strm, 6, LZMA_CHECK_CRC64); 28: lzma_action action = in_finished ? LZMA_FINISH : LZMA_RUN; 35: lzma_code (&strm, action); /* compress data */ 42: lzma_end (&strm);
xzless 和 xzmore
这两个命令可以分页查看压缩文件中的内容。简单的来说，相当于
"xzcat <file.xz> | less" 或 "xzcat <file.xz> | more"
xzdiff 和 xzcmp
这两个命令用于比较两个 .xz 文件。内部分别调用命令 diff 和 cmp 来实现文件内容的比较。例：
$ xzdiff xz_pipe_comp_mini.c.orig.xz xz_pipe_comp_mini.c.xz
20c20
< if (feof (in_file))
---
> if (feof (in_file)) {
21a22
> }
$
liblzma API
关于 liblzma API
liblzma API 提供了 LZMA1/LZMA2 算法的实现，并具有类似于 Zlib 的 API 接口。也和 gzip、bzip2 一样 XZ Utils 是流压缩格式。通过 liblzma API 接口，可以相对简单的编程实现对数据的压缩和解压缩。
使用 liblzma API 压缩数据
使用 liblzma 压缩数据的过程，大致过程如下。
定义 lzma_stream 结构体变量并使用 LZMA_STREAM_INIT 初始化，这个 lzma_stream 结构体变量会在整个数据压缩过程中被使用。有点类似于 C 中标准库中文件处理使用的结构体 FILE 。
lzma_stream strm = LZMA_STREAM_INIT;
调用 lzma_easy_encoder 函数做压缩准备工作。函数的第一参数是 lzma_stream. 结构体变量的指针，第二参数则指明了期望压缩率大小。有效值为 [0,9], 数字越高压缩率越高。第三参数是指明数据完整性检查方法，LZMA_CHECK_CRC64 可以满足大多数情况需要。当然，还有 LZMA_CHECK_CRC32, LZMA_CHECK_SH256 可供选择，或者使用 LZMA_CHECK_NONE 不进行 数据完整性检查。
lzma_easy_encoder (&strm, 6, LZMA_CHECK_CRC64);
通过设定 lzma_stream 结构体变量中的 next_in 和 avail_in 字段，指明待压缩的数据开始 地址和长度。
strm.next_in = in_buf; //input buffer address. strm.avail_in = in_len; //data length.
通过设定 lzma_stream 结构体变量中的 next_out 和 avail_out 字段，指明存放压缩结果 buffer 地址和长度。
strm.next_out = out_buf; //output buffer address strm.avail_out = 4096; //output buffer length.
然后通过调用 lzma_code 函数来压缩数据，或结束压缩数据。lzma_code 函数有两个参数，第一个参数是 lzma_stream 指针。而第二个参数用来指明 lzma_code 的动作： LZMA_RUN: 进行数据处理； LZMA_FINISH: 结束数据处理。
lzma_code (&strm, LZMA_RUN); /* compress data */ lzma_code (&strm, LZMA_FINISH); /* Finish operation.*/
最后要调用 lzma_end 函数释放资源，退出。
lzma_end(&strm);
下面是一段完整的示例程序。所示程序从标准输入 (stdin) 读入数据，压缩后写到标准输出 (stdout). 为了更便于理解压缩过程，示例代码省略了所有的异常处理和一些其他次要细节。
清单 1. 压缩数据的代码示例
#include <stdio.h>
#include <stdint.h>
#include <inttypes.h>
#include <stdbool.h>
#include <lzma.h>
void xz_compress (FILE *in_file, FILE *out_file) {
lzma_check check = LZMA_CHECK_CRC64;
/* alloc and init lzma_stream struct */
lzma_stream strm = LZMA_STREAM_INIT;
uint8_t in_buf [4096];
uint8_t out_buf [4096];
bool in_finished = false;
/* initialize xz encoder */
lzma_easy_encoder (&strm, 6, LZMA_CHECK_CRC64);
while (! in_finished) {
/* read incoming data */
size_t in_len = fread (in_buf, 1, 4096, in_file);
if (feof (in_file)) {
in_finished = true;
}
strm.next_in = in_buf;
strm.avail_in = in_len;
/* if no more data from in_buf, flushes the internal xz buffers and
* closes the xz data with LZMA_FINISH */
lzma_action action = in_finished ? LZMA_FINISH : LZMA_RUN;
/* loop until there's no pending compressed output */
do {
strm.next_out = out_buf;
strm.avail_out = 4096;
lzma_code (&strm, action); /* compress data */
size_t out_len = 4096 - strm.avail_out;
fwrite (out_buf, 1, out_len, out_file); /* write compressed data */
}while (strm.avail_out == 0);
}
lzma_end (&strm);
}
int main () {
xz_compress (stdin, stdout);
return 0;
}
编译命令 :
$ gcc -g -o xz_pipe_mini xz_pipe_comp_mini.c -llzma
使用例子 :
$ cat a.txt | xz_pipe_mini > a.txt.xz
使用 liblzma API 解压数据
使用 liblzma 进行解压缩的过程和压缩数据的过程基本一致。主要的区别是使用 lzma_stream_decoder 函数代替 lzma_easy_decoder 函数来进行 decoder 的初始化。
lzma_stream_decoder (&strm, memory_limit, flags);
lzma_stream_decoder 函数的第一参数是数是 lzma_stream 结构体变量的指针。第二参数则指明了在解压缩过程中使用内存的最大值。若 UINT64_MAX 则为不限制内存使用量。第三参数用来指明一些其他 flags 值：
LZMA_TELL_NO_CHECK: 如果压缩数据流中未指明数据完整性检查方式，则函数 lzma_code 返回 LZMA_TELL_NO_CHECK 。
LZMA_TELL_UNSUPPORTED_CHECK: 如果压缩数据流使用了不被支持的数据完整性检查方式，则函数 lzma_code 会返回 LZMA_TELL_UNSUPPORTED_CHECK 。
LZMA_CONCATENATED: 支持多个压缩流连接到一个 xz 文件内。
下面是一段完整的示例程序。所示程序从标准输入 (stdin) 读入数据，解压缩的数据写到标准输出 (stdout). 示例代码省略了所有的异常处理和一些其他次要细节。
清单 2. 解压缩数据的代码示例
#include <stdio.h>
#include <stdint.h>
#include <inttypes.h>
#include <stdbool.h>
#include <lzma.h>
#define IN_BUF_MAX 4096
#define OUT_BUF_MAX 4096
#define RET_OK 0
#define RET_ERROR 1
int xz_decompress (FILE *in_file, FILE *out_file) {
/* alloc and init lzma_stream struct */
lzma_stream strm = LZMA_STREAM_INIT;
uint8_t in_buf [IN_BUF_MAX];
uint8_t out_buf [OUT_BUF_MAX];
bool in_finished = false;
bool out_finished = false;
lzma_action action;
lzma_ret ret_xz;
int ret;
ret = RET_OK;
/* initialize xz decoder */
ret_xz = lzma_stream_decoder (&strm, UINT64_MAX,
LZMA_TELL_UNSUPPORTED_CHECK|LZMA_CONCATENATED );
if (ret_xz != LZMA_OK)
return RET_ERROR;
while ((! in_finished) && (! out_finished)) {
/* read incoming data */
size_t in_len = fread (in_buf, 1, IN_BUF_MAX, in_file);
if (feof (in_file))
in_finished = true;
strm.next_in = in_buf;
strm.avail_in = in_len;
/* if no more data from in_buf, flushes the
internal xz buffers and closes the decompressed data
with LZMA_FINISH */
action = in_finished ? LZMA_FINISH : LZMA_RUN;
/* loop until there's no pending decompressed output */
do {
/* out_buf is clean at this point */
strm.next_out = out_buf;
strm.avail_out = OUT_BUF_MAX;
/* decompress data */
ret_xz = lzma_code (&strm, action);
if ((ret_xz != LZMA_OK) && (ret_xz != LZMA_STREAM_END)) {
out_finished = true;
ret = RET_ERROR;
} else {
/* write decompressed data */
size_t out_len = OUT_BUF_MAX - strm.avail_out;
fwrite (out_buf, 1, out_len, out_file);
if (ferror (out_file)) {
out_finished = true;
ret = RET_ERROR;
}
}
} while (strm.avail_out == 0);
}
lzma_end (&strm);
return ret;
}
int main () {
return xz_decompress (stdin, stdout);
}
编译命令:
$ gcc -g -o xz_pipe_decomp_mini xz_pipe_decomp_mini.c -llzma
使用例子:
$ cat a.txt.xz | xz_pipe_decomp_mini > a.txt
结束语
本文着重从实用的角度介绍了 XZ Utils 的主要部分，还有一些内容由于篇幅的原因，没有提及。如果您想更深入的研究 XZ Utils，可以访问 XZ Utils 的官方网站，那里可以找到最新的源代码和更详尽的文档。
原文转载自：http://www.ibm.com/developerworks/cn/linux/l-lo-xzutils/