lz4能找到连续重复的子串吗？

Question

我查看了 link 以了解 lz4 的工作原理。我写了以下测试。我们可以看到 sinInput2 无法压缩，因为它只有随机数据。 sinInput1 的大小减小到 1/8。我猜这是因为它的数据有 8 个不同的块。是不是lz4可以找到重复的子串？它对可以找到多长时间的子字符串有任何限制吗？

#include <string>
#include <iostream>
#include "lz4.h"
#include <stdio.h>      /* printf, NULL */
#include <stdlib.h>     /* srand, rand */
#include <time.h>       /* time */
#include <math.h>
int main() {
    using namespace std;

    srand(time(NULL));
    double sinInput1[1024];
    double sinInput2[1024];
    for (int i = 0; i < 1024; ++i) {
        sinInput1[i]=sin(i % 128); 
        sinInput2[i]=sin(i);
   }

    int inputSize = 1024 * sizeof(double);
    cout << "Input size: " << inputSize << endl;
    char *compressedData = new char[2 * inputSize];

    cout << "Compressed size of sinInput1: " << LZ4_compress_fast((char*)sinInput1, compressedData, inputSize, inputSize*2, 1) << endl;
    cout << "Compressed size of sinInput2: " << LZ4_compress_fast((char*)sinInput2, compressedData, inputSize, inputSize*2, 1) << endl;

    return 0;
}

Input size: 8192
Compressed size of sinInput1: 1064
Compressed size of sinInput2: 8222

Answer 1

LZ4可以找到重复的子串。它甚至很容易找到它们。

重复的子串可以有任意长度，最大 64 KB。实际上，大多数重复模式都是 <= 4 个字节，其中最常见的是一串零。但偶尔会有异常值。

一旦找到模式，就可以重复任意次数。 LZ4对匹配大小没有格式限制

lz4能找到连续重复的子串吗？

Can lz4 find continuous repeated substrings?

compression

lz4