rscompress

一个专注于科学数据的Rust压缩库。

免责声明

这是在我作为博士生期间开发的一些压缩算法的重写和合并。

• https://github.com/ucyo/huffman
• https://github.com/ucyo/pzip-cli
• https://github.com/ucyo/pzip-bwt
• https://github.com/ucyo/pzip-redux
• https://github.com/ucyo/pzip-huffman
• https://github.com/ucyo/pzip
• https://github.com/ucyo/rust-compress
• https://github.com/ucyo/adaptive-lossy-compression
• https://github.com/ucyo/information-spaces
• https://github.com/ucyo/cframework
• https://github.com/ucyo/xor-and-residual-calculation
• https://github.com/ucyo/climate-data-analysis

论文可以从https://doi.org/10.5445/IR/1000105055下载

架构

该库分为一个基本库和四个支持库。基本库协调支持库。所有压缩算法遵循相同的基本结构

1. 使用变换消除数据相关性
2. 如果需要损失性压缩，则对数据进行近似
3. 编码数据

此外，检查每一步是否按预期执行。

                   +----------------+      lossless      +----------+
                   |                |                    |          |
Start   +------>   | Transformation |   +------------>   |  Coding  |   +------>   End
                   |                |                    |          |
                   +----------------+                    +----------+

                           +                                   ^
                           |                                   |
                           |  lossy                            |
                           |                                   |
                           v                                   |
                                                               |
                   +---------------+                           |
                   |               |                           |
                   | Approximation |  +------------------------+
                   |               |
                   +---------------+

此库将遵循相同的原则。

变换

变换是使用不同字母表表示相同信息的算法。好的变换算法可以消除数据中的冗余信息。数学函数可以看作是一系列数据的变换。系列 1 1 2 3 5 8 13 21 .. 可以表示为 f(x) = f(x-1) + f(x-2)。我们将字母表A（整数）中代表的信息映射到字母表B（字母和整数）中，这使得它更紧凑。需要注意的是，所有变换都必须有两个属性

• 对数据进行变换算法处理，不会丢失信息。
• 所有变换算法都是可逆的，这样就可以从新的字母表中重建原始表示。

近似

近似是牺牲信息以获得更好压缩的算法。给定一个阈值 theta（这可以是绝对值或相对值），算法将数据从字母表A映射到B，信息损失在预期的阈值内。一个近似示例是来自小学的 ~= 操作符，例如 1/3 ~= 0.3。近似具有以下属性

• 对数据进行近似算法处理，会导致信息丢失。
• 近似算法是不可逆的。
• 信息丢失保证在阈值 theta 内。

编码

编码是在其中实际进行压缩的算法。信息以尽可能紧凑的方式存储在磁盘上。例如 Huffman 或 算术 编码。

校验和

校验和是在每个步骤检查数据完整性的算法，例如 Adler-32。