Pixz项目技术文档
2024-12-23 04:02:09作者:瞿蔚英Wynne
1. 安装指南
依赖项
在构建Pixz之前,您需要确保以下依赖项已经安装在您的系统上:
- pthreads
- liblzma 4.999.9-beta-212 或更新版本(来自xz发行版)
- libarchive 2.8 或更新版本
- AsciiDoc(用于生成手册页)
从发布压缩包构建
- 下载最新版本的Pixz发布压缩包。
- 解压缩到指定目录。
- 执行以下命令构建:
./configure
make
make install
您可能需要sudo权限来运行make install。
从GitHub构建
- 克隆GitHub仓库:
git clone https://github.com/vasi/pixz.git
- 进入克隆后的目录:
cd pixz
- 执行以下命令构建:
./autogen.sh
./configure
make
make install
您可能需要sudo权限来运行make install。
2. 项目的使用说明
Pixz是一个支持并行压缩和索引的版本,适用于.xz文件格式。以下是一些基本用法示例:
单个文件
- 压缩单个文件(非tarball,仅压缩),多核:
pixz bar bar.xz
- 解压缩该文件,多核:
pixz -d bar.xz bar
Tarballs
- 压缩并索引一个tarball,多核:
pixz foo.tar foo.tpxz
- 快速列出压缩tarball的内容:
pixz -l foo.tpxz
- 解压缩tarball,多核:
pixz -d foo.tpxz foo.tar
- 快速提取单个文件,多核,同时验证内容与索引是否匹配:
pixz -x dir/file < foo.tpxz | tar x
- 使用Pixz创建tarball进行多核压缩:
tar -Ipixz -cf foo.tpxz foo/
指定输入和输出
以下命令同样适用于-x、-d和-l:
pixz foo.tar foo.tpxz
pixz < foo.tar > foo.tpxz
pixz -i foo.tar -o foo.tpxz
从foo.tpxz提取文件到foo.tar:
pixz -x -i foo.tpxz -o foo.tar file1 file2 ...
压缩到foo.tpxz,删除原始文件:
pixz foo.tar
解压缩到foo.tar,删除原始文件:
pixz -d foo.tpxz
其他选项
- 更快、压缩效果较差:
pixz -1 foo.tar
- 更慢、压缩效果较好:
pixz -9 foo.tar
- 使用确切2个线程:
pixz -p 2 foo.tar
- 压缩,但不将其视为tarball,即不索引:
pixz -t foo.tar
- 解压缩,但不检查内容是否与索引匹配:
pixz -d -t foo.tpxz
- 列出xz块而不是文件:
pixz -l -t foo.tpxz
更多调整选项,请查阅手册页:
man pixz
3. 项目API使用文档
当前Pixz项目未提供API文档。有关使用Pixz的详细信息,请参考项目手册页和readme文件。
4. 项目安装方式
请参考上文“安装指南”部分,了解如何从发布压缩包或GitHub仓库安装Pixz。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
690
4.46 K
Ascend Extension for PyTorch
Python
544
669
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
955
929
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
420
75
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
407
324
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
925
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
642
292