随着信息科技的飞速发展,数据呈现爆炸式增长,在有限的存储管理和网络带宽下,人们对于有效的信息存储和传输越来越迫切,数据压缩是解决的方法之一。然而,数据压缩往往需要额外的开销,尤其是对大量数据而言,因此迫切需要采用新的压缩技术或算法来满足大量数据的压缩需求,如何降低压缩的时间是当前的一个重要研究方向。同时,近年来,GPU在通用计算领域的发展相当迅速,GPU在浮点计算、并行计算以及内存带宽上大大超越了CPU,由CPU+GPU组成的异构处理平台已经成为主流的并行解决方案。本论文旨在利用CPU+GPU高并行的计算能力,设计和优化并行无损压缩算法,提升压缩算法的性能。本文首先讨论了GPU的体系结构,详细地介绍了CUDA的编程模型、软件体系以及CUDA程序的优化策略。其次叙述了压缩技术的基础,最后实现了基于GPU的两种并行的无损压缩算法：LZ77和bzip2。并行的算法通过将压缩算法中所需大量计算的部分从CPU负载到GPU上来提高计算的吞吐量,然后结合CUDA并行架构和算法的各自特点进行了存储、线程配置等多方面的优化设计。在本文的实现部分,详细描述了无损压缩算法在CUDA平台的并行设计与实现,并与CPU上的实现做了对比。实验结果表明,并行的压缩相对于CPU上的实现在性能上能够取得很好的加速效果。