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
- 使用管道
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
- 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：
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/