Intellectual Technologies on Transport Intellectual Technologies on Transport Интеллектуальные технологии на транспорте 2413-2527 108759 10.20295/2413-2527-2026-145-41-50 eecuqm ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ ARTIFICIAL INTELLIGENCE AND TRANSPORT SYSTEMS ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ Comparative Analysis of Modern Lossless Data Compression Methods Used by Cloud Providers Сравнительный анализ современных методов сжатия без потерь данных облачных провайдеров Юдников Степан Сергеевич Yudnikov Stepan Sergeevich s.yudnikovv@gmail.com Хомоненко Анатолий Дмитриевич Khomonenko Anatoly Dmitrievich khomon@mail.ru

доктор технических наук;

doctor of technical sciences;

 Петербургский государственный университет путей сообщения Императора Александра I Санкт-Петербург Россия Emperor Alexander I St. Petersburg State Transport University Saint Petersburg Russian Federation Петербургский государственный университет путей сообщения Императора Александра I Санкт-Петербург Россия Emperor Alexander I St. Petersburg State Transport University St. Petersburg Russian Federation Военно-космическая академия имени А. Ф. Можайского Санкт-Петербург Россия Mozhaisky Military Aerospace Academy Saint Petersburg Russian Federation 25 03 2026 25 03 2026 1 41 50 23 11 2025 23 01 2026 https://atjournal.ru/en/nauka/article/108759/view

Экспоненциальный рост объемов данных в облачных средах делает критически важной задачу их эффективного сжатия для оптимизации использования ресурсов хранения, пропускной способности сети и вычислительных мощностей, что напрямую влияет на экономическую и операционную эффективность. Цель: провести сравнительный анализ современных алгоритмов сжатия без потерь для определения оптимальных сценариев их применения в облачных платформах. Результаты: систематизированы принципы работы и классификация современных алгоритмов сжатия без потерь. На основе сравнительного анализа по ключевым параметрам (коэффициент сжатия, скорость операций, ресурсоемкость) определены сценарии оптимального применения алгоритмов Gzip, LZ4, Zstandard и Brotli в облачных сервисах. Практическая значимость: полученные результаты можно использовать для оптимизации затрат на облачную инфраструктуру и повышения производительности распределенных систем обработки данных. Обсуждение: проведенный анализ демонстрирует, что выбор алгоритма зависит от специфики задачи. Использование аппаратного ускорения позволяет значительно повысить производительность компрессии.

The exponential growth of data volumes in cloud environments makes it critically important to efficiently compress this data to optimize the use of storage resources, network bandwidth and computational power, which directly affects economic and operational efficiency. Purpose: to conduct a comparative analysis of modern lossless compression algorithms to identify optimal scenarios for their application in cloud platforms. Results: the principles of operation and classification of contemporary lossless compression algorithms have been systematized. Based on a comparative analysis of key parameters, such as compression ratio, operation speed, and resource intensity, optimal application scenarios for the Gzip, LZ4, Zstandard and Brotli algorithms in cloud services have been determined. Practical significance: the results obtained can be used for optimizing costs associated with cloud infrastructure and for improving the performance of distributed data processing systems. Discussion: the conducted analysis demonstrates that the choice of algorithm depends on the specific characteristics of the task. The use of hardware acceleration can significantly improve compression performance.

 компрессия данных сжатие без потерь облачные вычисления алгоритмы сжатия Gzip LZ4 Zstandard Brotli производительность облачных систем оптимизация затрат сетевой трафик аппаратное ускорение data compression lossless compression cloud computing compression algorithms Gzip LZ4 Zstandard Brotli cloud system performance cost optimization network traffic hardware acceleration

Верзилин Д. Н., Максимова Т. Г., Шаныгин С. И. Облачные технологии в развитии институтов цифровой трансформации российской экономики: статистическое исследование // Вестник Санкт-Петербургского университета. Экономика. 2025. Т. 41, вып. 1. С. 146–178. DOI: 10.21638/spbu05.2025.107. Verzilin D. N., Maximova T. G., Shanygin S. I. Oblachnye tekhnologii v razvitii institutov tsifrovoy transformatsii rossiyskoy ekonomiki: statisticheskoe issledovanie [Cloud Technologies in the Development of Institutions for Digital Transformation of the Russian Economy: Statistical Research], Vestnik Sankt-Peterburgskogo universiteta. Ekonomika [St. Petersburg University Journal of Economic Studies], 2025, vol. 41, iss. 1, pp. 146–178. DOI: 10.21638/ spbu05.2025.107 (In Russian) Давыденко Е. А., Сабиргалиева А. М. Архивирование и сжатие файлов в Linux: методы, алгоритмы и их эффективность // Научный вестник гуманитарно-социального института. 2025. № 20. 5 с. Davydenko E. A., Sabirgalieva A. M. Arkhivirovanie i szhatie faylov v Linux: metody, algoritmy i ikh effektivnost [Archiving and Compressing Files in Linux: Methods, Algorithms and Their Effectiveness], Nauchnyy Vestnik Gumanitarno-Sotsialnogo Instituta, 2025, no. 20, 5 p. (In Russian) Чуркин Я. М. Сжатие алгоритмом Хаффмана // Инструменты и механизмы устойчивого инновационного развития: сборник статей по итогам Всероссийской научно-практической конференции (Самара, Россия, 6 февраля 2022 г.). Стерлитамак: Агентство международных исследований, 2022. С. 20–22. Churkin Ya. M. Szhatie algoritmom Khaffmana [Huffman Coding for Data Compression], Instrumenty i mekhanizmy ustoychivogo innovatsionnogo razvitiya: sbornik statey po itogam Vserossiyskoy nauchno-prakticheskoy konferentsii [Tools and Mechanisms for Sustainable Innovative Development: A Collection of Articles Based on the Proceedings of the All-Russian Scientific and Practical Conference], Samara, Russia, February 06, 2022. Sterlitamak, Agency of International Research, 2022, pp. 20–22. (In Russian) Левин И. И., Дудников Е. А. Структурная модификация метода Хаффмана для сжатия плотных потоков данных без потерь на РВС // Известия Южного федерального университета. Технические науки. 2024. № 5 (241). С. 48–58. DOI: 10.18522/2311-3103-2024-5-48-58. Levin I. I., Dudnikov E. A. Strukturnaya modifikatsiya metoda Khaffmana dlya szhatiya plotnykh potokov dannykh bez poter na RVS [Structural Modification of The Huffman Method for Compression of Dense Data Streams Without Loss on a RCS], Izvestiya Yuzhnogo federalnogo universiteta. Tekhnicheskie nauki [Izvestiya Southern Federal University. Engineering Sciences], 2024, no. 5 (241), pp. 48–58. DOI: 10.18522/2311-3103-2024-5-48-58. (In Russian) Howard P. G., Vitter J. S. Arithmetic Coding for Data Compression // Proceedings of the IEEE. 1994. Vol. 82, iss. 6, pp. 857–865. DOI: 10.1109/5.286189. Howard P. G., Vitter J. S. Arithmetic Coding for Data Compression, Proceedings of the IEEE, 1994, Vol. 82, iss. 6, pp. 857–865. DOI: 10.1109/5.286189. Добычин Р. С., Петров А. Р. Сравнительный анализ работы алгоритмов Шеннона — Фано и Хаффмана // Междисциплинарные исследования в области математического моделирования и информатики: материалы 7-й научно-практической internet-конференции (Тольятти, Россия, 30–31 марта 2016 г.). Ульяновск: Зебра, 2016. С. 12–14. Dobychin R. S., Petrov A. R. Sravnitelnyy analiz raboty algoritmov Shennona — Fano i Khaffmana [Comparative Analysis of the Shannon — Fano Algorithm and the Huffman Algorithm for Data Coding], Mezhdistsiplinarnye issledovaniya v oblasti matematicheskogo modelirovaniya i informatiki: materialy 7-y nauchno-prakticheskoy internet-konferentsii [Interdisciplinary Research on Mathematical Modelling and Computer Science: Proceedings of the 7th Scientific and Practical Internet Conference], Togliatti, Russia, March 30–31, 2016. Ulyanovsk, Zebra Publishing House, 2016, pp. 12–14. (In Russian) Kreft S., Navarro G. LZ77-Like Compression with Fast Random Access // Proceedings of the 2010 Data Compression Conference (Snowbird, UT, USA, 24–26 March 2010). Institute of Electrical and Electronics Engineers, 2010. Pp. 239–248. DOI: 10.1109/DCC.2010.29. Kreft S., Navarro G. LZ77-Like Compression with Fast Random Access, Proceedings of the 2010 Data Compression Conference, Snowbird, UT, USA, March 24–26, 2010. Institute of Electrical and Electronics Engineers, 2010, pp. 239–248. DOI: 10.1109/DCC.2010.29. LZ78 Compression in Low Main Memory Space / D. Arroyuello [et al.] // String Processing and Information Retrieval (SPIRE 2017): Proceedings of the 24th International Symposium, (Palermo, Italy, 26–29 September 2017). Lecture Notes in Computer Science. Vol. 10508 / G. Fici [et al.] (eds). Cham: Springer, 2017. Pp. 38–50. DOI: 10.1007/978-3-31967428-5_4. Arroyuelo D., et al. LZ78 Compression in Low Main Memory Space. In: Fici G., et al. (eds) String Processing and Information Retrieval (SPIRE 2017): Proceedings of the 24th International Symposium, Palermo, Italy, September 26–29, 2017. Lecture Notes in Computer Science. Vol. 10508. Cham, Springer, 2017, pp. 38–50. DOI: 10.1007/978-3319-67428-5_4. Dheemanth H. N. LZW Data Compression // American Journal of Engineering Research. 2014. Vol. 3, iss. 2. Pp. 22–26. Dheemanth H. N. LZW Data Compression, American Journal of Engineering Research, 2014, vol. 3, iss. 2, pp. 22–26. Faykus M. H., Calhoun J., Smith M. Lossy and Lossless Compression for BioFilm Optical Coherence Tomography (OCT) // SC-W 2023: Proceedings of the Workshops of the International Conference on High Performance Computing, Network, Storage, and Analysis (Denver, CO, USA, 12–17 November 2023). New York: Association for Computing Machinery, 2023. Pp. 281–288. DOI: 10.1145/3624062.3625125. Faykus M. H., Calhoun J., Smith M. Lossy and Lossless Compression for BioFilm Optical Coherence Tomography (OCT), SC-W 2023: Proceedings of the Workshops of the International Conference on High Performance Computing, Network, Storage, and Analysis, Denver, CO, USA, November 12–17, 2023. New York, Association for Computing Machinery, 2023, pp. 281–288. DOI: 10.1145/3624062.3625125. PymzML v2.0: Introducing a Highly Compressed and Seekable GZip Format / M. Kösters [et al.] // Bioinformatics. 2018. Vol. 34, no. 14. Pp. 2513–2514. DOI: 10.1093/bioinformatics/bty046. Kösters M., et al. PymzML v2.0: Introducing a Highly Compressed and Seekable GZip Format, Bioinformatics, 2018, vol. 34, no. 14, pp. 2513–2514. DOI: 10.1093/bioinformatics/bty046. Oswal S., Singh A., Kumari K. Deflate Compression Algorithm // International Journal of Engineering Research and General Science. 2016. Vol. 4, iss. 1. Pp. 430–436. Oswal S., Singh A., Kumari K. Deflate Compression Algorithm, International Journal of Engineering Research and General Science, 2016, vol. 4, iss. 1, pp. 430–436. Design and Optimization of Zstandard Algorithm Based on Concurrent Streaming of Multiple Hash Tables / L. Zheng [et al.] // Proceedings of the Second International Conference on Laser, Optics and Optoelectronic Technology (LOPET 2022) (Qingdao, China, 20–22 May 2022). Proceedings of SPIE. Vol. 12343. Bellingham (WA): Society of PhotoOptical Instrumentation Engineers, 2022. Pp. 571–576. DOI: 10.1117/12.2649516. Zheng L., et al. Design and Optimization of Zstandard Algorithm Based on Concurrent Streaming of Multiple Hash Tables, Proceedings of the Second International Conference on Laser, Optics and Optoelectronic Technology (LOPET 2022), Qingdao, China, May 20–22, 2022. Proceedings of SPIE. Vol. 12343. Bellingham (WA), Society of Photo-Optical Instrumentation Engineers, 2022, pp. 571–576. DOI: 10.1117/12.2649516. Эффективное сжатие лог-файлов: анализ производительности LZ4, Zstandard и гибридного подхода / И. Г. Рзун [и др.] // Вестник Академии знаний. 2025. № 4 (69). C. 435–443. Rzun I. G., et al. Yakhimovich I. S. Effektivnoe szhatie log-faylov: analiz proizvoditelnosti LZ4, Zstandard i gibridnogo podkhoda [Efficient Log File Compression: Performance Analysis of LZ4, Zstandard, and a Hybrid Approach], Vestnik Akademii znaniy [Bulletin of the Academy of Knowledge], 2025, no. 4 (69), pp. 435–443. (In Russian) Brotli: A General-Purpose Data Compressor / J. Alakuijala [et al.] // ACM Transactions on Information Systems. 2019. Vol. 37, iss. 1. Art. no. 4. 30 p. DOI: 10.1145/3231935. Alakuijala J., et al. Brotli: A General-Purpose Data Compressor, ACM Transactions on Information Systems, 2019, vol. 37, iss. 1, art. no. 4, 30 p. DOI: 10.1145/3231935. Гаврикова С. В. Обзор баз данных временных рядов // International Journal of Open Information Technologies. 2023. Vol. 11, no. 11. Pp. 83–102. Gavrikova S. V. Obzor baz dannykh vremennykh ryadov [Time Series Databases Overview], International Journal of Open Information Technologies, 2023, vol. 11, no. 11, pp. 83–102. (In Russian) Google BigQuery // Bisong E. Building Machine Learning and Deep Learning Models on Google Cloud Platform: A Comprehensive Guide for Beginners. Berkeley (CA): Apress, 2019. Pp. 485–517. DOI: 10.1007/978-1-48424470-8_38. Bisong E. Google BigQuery. In: Bisong E. Building Machine Learning and Deep Learning Models on Google Cloud Platform: A Comprehensive Guide for Beginners. Berkeley (CA), Apress, 2019, pp. 485–517. DOI: 10.1007/9781-4842-4470-8_38.