软件学报

作者：朱明辉，李政，李瑞远，陈超，郑宇

单位：朱明辉，重庆大学 计算机学院, 重庆 401331;时空实验室 (重庆大学), 重庆 40133111,李政，重庆大学 计算机学院, 重庆 401331;时空实验室 (重庆大学), 重庆 40133102,李瑞远，重庆大学 计算机学院, 重庆 401331;时空实验室 (重庆大学), 重庆 40133103,陈超，重庆大学 计算机学院, 重庆 40133104,郑宇，北京京东智能城市大数据研究院, 北京 10017605

关键词：无损压缩;有损压缩;浮点时序压缩;数据压缩

基金：国家自然科学基金(62202070, 62322601, 62172066, 62076191); 中国博士后科学基金(2022M720567); 中央高校基本科研业务费专项资金(2024IAIS-QN017); 山东省重大基础研究项目(ZR2024ZD03); 高端装备机械传动全国重点实验室自主研究课题(SKLMT-ZZKT-2024R07)

物联网技术的发展产生了海量的浮点时序数据, 这给数据存储和传输带来了巨大挑战. 为此, 浮点时序数据压缩变得至关重要, 其按数据可逆性分为有损压缩和无损压缩. 有损压缩方法通过舍弃部分数据信息以实现较好的压缩率, 适用于对精确性要求较低的应用. 无损压缩方法在减小数据大小的同时保留了所有数据信息, 这对于需要保持数据完整性和准确性的应用至关重要. 此外为满足边缘设备的实时监控需求, 流式压缩算法应运而生. 当前时序压缩综述论文存在梳理不全面、脉络不清晰、分类标准单一、未归纳较新的具有代表性算法等问题. 对历年来的时序数据压缩算法按有损压缩和无损压缩进行划分, 并进一步区分不同的算法框架, 包括基于数据表示、基于预测、基于机器学习、基于变换等, 同时对流式与批式的压缩特征进行归纳. 然后对各种压缩算法的设计思路进行深入分析, 并给出各算法的发展脉络图. 接着结合实验比较各类算法的优势与不足. 最后总结算法常见的应用场景, 并对未来研究进行展望.

来源：2025年第6期

《软件学报》期刊编辑部

查看软件学报杂志2025年第6期