Algorithms For Dummies

  Compressing Data 

     265

IN THIS CHAPTER

 

» Understanding how computers can 

store information in order to save 

space

 

» Creating efficient and smart 

encodings

 

» Leveraging statistics and building 

Huffman trees

 

» Compressing and decompressing on 

the fly using the Lempel-Ziv-Welch 

(LZW) algorithm

Compressing Data

T

he last decade has seen the world flooded by data. In fact, data is the new 

oil, and specialists of all sorts hope to extract new knowledge and richness 

from it. As a result, you find data piled everywhere and often archived as 

soon as it arrives. The sometimes careless storage of data comes from an increased 

capacity to store information; it has become cheap to buy larger drives to store 

everything, useful or not. Chapters 12 and 13 discuss the drivers behind this data 

deluge, how to deal with massive data streams, methods used to distribute it over 

clusters  of  connected  computers,  and  techniques  you  can  use  to  process  data 

 rapidly and efficiently.

Data hasn’t always been readily available, however. In previous decades, storing 

data  required  large  investments  in  expensive  mass-storage  devices  (hard  disk, 

tapes, floppy disks, CDs) that couldn’t store much data. Storing data required a 

certain efficiency (saving disk space meant saving money), and data compression 

algorithms offered the solution of compacting data to store more of it on a single 

device at the cost of computer processing time. Trading disk space for computer 

time reduced costs.

Compression algorithms have long been a topic of study and are now considered 

classics in computer knowledge. Even though storage disks are larger and cheaper 

today, these algorithms still play a role in mobile data transmission and see use 

Chapter 

14

---

266

 

   

  PART 4