不久前，我发现需要一台PNG装载机用于我的一个小项目。作为一个完整的工具，我当然决定自己写一个 - 毕竟，为什么在还有车轮等待重新发明时为自己省力？如果你愿意的话，可以在这里查看inflater代码的来源 - 它写得非常干净。事实上，我专门写它是为了易于阅读，而不是最快的实现。
我当时对Deflate了解不多。我知道它基于LZ系列算法（LZ77 / L7SS等）。我听说有人说它只是“只是”LZSS，除了他们在匹配向量上应用霍夫曼编码。嗯，事实证明这是真的。均田。但是当我更深入地阅读规范时，它让我觉得这里发生了一些非常聪明的事情，我之前没有看到过任何明确提出过的事情。所以我想为什么不试着在这里解释Deflate的本质。我不打算在严格的细节上涵盖整个工作;如果你想要那就去阅读规范。
数据压缩是一门通信原理和计算机科学都会涉及到的学科，在通信原理中，一般称为信源编码，在计算机科学里，一般称为数据压缩，两者本质上没啥区别，在数学家看来，都是映射。
一方面在进行通信的时候，有必要将待传输的数据进行压缩，以减少带宽需求；另一方面，计算机存储数据的时候，为了减少磁盘容量需求，也会将文件进行压缩，尽管现在的网络带宽越来越高，压缩已经不像90年代初那个时候那么迫切，但在很多场合下仍然需要，其中一个原因是压缩后的数据容量减小后，磁盘访问IO的时间也缩短，尽管压缩和解压缩过程会消耗CPU资源，但是CPU计算资源增长得很快，但是磁盘IO资源却变化得很慢，比如目前主流的SATA硬盘仍然是7200转，如果把磁盘的IO压力转化到CPU上，总体上能够提升系统运行速度。
Apache Commons Compress库定义了一个API，用于处理ar，cpio，Unix转储，tar，zip，gzip，XZ，Pack200，bzip2,7z，arj，lzma，snappy，DEFLATE，lz4，Brotli，Zstandard，DEFLATE64和Z文件。
此组件中的代码有许多来源：
bzip2，tar和zip支持来自Avalon的Excalibur，但最初来自Ant，就像Apache的生活一样。
tar包最初是Tim Endres的公共域包。 bzip2包基于Keiron Liddle以及Julian Seward的libbzip2所做的工作。
Commons Compress调用压缩单个数据压缩器格式流的所有格式，而在单个（可能压缩的）存档中收集多个条目的所有格式都是归档格式。
支持的压缩器格式有gzip，bzip2，xz，lzma，Pack200，DEFLATE，Brotli，DEFLATE64，ZStandard和Z。
归档格式为7z，ar，arj，cpio，dump，tar和zip。
Pack200是一种特殊情况，因为它只能压缩JAR文件。
我们目前只为arj，dump，Brotli，DEFLATE64和Z提供读取支持.arj只能读取未压缩的档案，7z可以读取具有7z支持的许多压缩和加密算法的档案，但在编写档案时不支持加密。
许多支持的格式已经开发了不同的方言和扩展，一些格式允许Commons Compress支持的功能（尚未）。
ArchiveInputStream类提供了一个方法canReadEntryData，如果Commons Compress可以检测到存档使用当前实现不支持的功能，则该方法将返回false。
如果它返回false，则不应尝试读取该条目，而应跳过该条目。
所有归档格式都通过ArchiveEntry（或者更确切的子类）的实例提供有关各个归档条目的元数据。从存档读取时，提供的信息getName方法是存储在存档内的原始名称。无法保证名称代表目标操作系统上的相对文件名甚至有效文件名。尝试从条目名称创建文件名时，应仔细检查结果。
对于bzip2，gzip和xz格式以及带框架的lz4格式，单个压缩文件实际上可能包含多个流，这些流在解压缩时将由命令行实用程序连接。
从Commons Compress 1.4开始，这些格式的* CompressorInputStreams也支持连接流，但默认情况下它们不会这样做。
您必须使用two-arg构造函数并显式启用支持。
该软件包的实现由 Google Brotli dec 库提供。
从1.13版开始，现在可以使用Java的ServiceLoader机制添加Compressor和ArchiverStream实现。
要提供自己的压缩器，必须在类路径上提供名为 META-INF/services/org.apache.commons.compress.compressors.CompressorStreamProvider 的文件。
该文件必须每行包含一个完全限定的类名。
例如：
org.apache.commons.compress.compressors.TestCompressorStreamProviderRoaring bitmaps are compressed bitmaps.
They can be hundreds of times faster.
位集（也称为位图）通常用作快速数据结构。
不幸的是，他们可能会使用太多内存。
为了补偿，我们经常使用压缩位图。
Roaring bitmaps 是压缩位图，其倾向于优于常规压缩位图，例如WAH，EWAH或简洁。