Das BSD TAR (Tape Archive)-Format ist ein weit verbreitetes Dateiformat zum Archivieren und Komprimieren von Sammlungen von Dateien und Verzeichnissen. Es wurde ursprünglich für die Sicherung von Daten auf sequenziellen Zugriffsgeräten wie Magnetbändern entwickelt, wird aber heute häufig für die Verteilung von Softwarepaketen und die Erstellung von Sicherungsarchiven auf verschiedenen Speichermedien verwendet. Das TAR-Format ermöglicht es, mehrere Dateien in einer einzigen Archivdatei zu bündeln und dabei Verzeichnisstrukturen, Dateiattribute und Berechtigungen beizubehalten.
Ein TAR-Archiv besteht aus einer Reihe von Dateiheadern und Dateidatenblöcken, die miteinander verkettet sind. Jede Datei im Archiv wird durch einen 512-Byte-Headerblock dargestellt, gefolgt von den Daten der Datei, die auf ein Vielfaches von 512 Byte aufgefüllt werden. Der Headerblock enthält Metadaten über die Datei, wie z. B. Name, Größe, Besitz, Berechtigungen und Änderungszeitpunkt.
Der Dateiheaderblock hat eine feste Struktur mit Feldern vordefinierter Größe. Einige der wichtigsten Felder sind:
- Dateiname (100 Byte): Der Name der Datei, der normalerweise auf 255 Zeichen begrenzt ist und mit einem Nullbyte abgeschlossen wird.
- Dateimodus (8 Byte): Die Berechtigungen und der Typ der Datei, gespeichert als Oktalzahl.
- Benutzer-ID des Besitzers (8 Byte): Die numerische Benutzer-ID des Besitzers der Datei.
- Benutzer-ID der Gruppe (8 Byte): Die numerische Gruppen-ID des Besitzers der Datei.
- Dateigröße (12 Byte): Die Größe der Datei in Bytes, gespeichert als Oktalzahl.
- Änderungszeitpunkt (12 Byte): Der Zeitstempel der letzten Änderung der Datei, gespeichert als Anzahl der Sekunden seit dem 1. Januar 1970 in Oktal.
- Header-Prüfsumme (8 Byte): Eine Prüfsumme des Headerblocks, die zur Erkennung von Beschädigungen verwendet wird.
Nach dem Headerblock werden die Daten der Datei in zusammenhängenden 512-Byte-Blöcken gespeichert. Wenn die Dateigröße kein Vielfaches von 512 Byte ist, wird der letzte Block mit Nullbytes aufgefüllt. Das Ende des Archivs wird durch zwei aufeinanderfolgende 512-Byte-Blöcke markiert, die mit Nullbytes gefüllt sind.
Eine der Einschränkungen des ursprünglichen TAR-Formats besteht darin, dass es aufgrund des 12-Byte-Dateigrößenfelds keine Dateigrößen über 8 GB unterstützt. Um diese Einschränkung zu überwinden, führten spätere Erweiterungen wie das POSIX.1-2001 (pax)-Format zusätzliche Headerfelder ein, um größere Dateigrößen zu unterstützen.
Das TAR-Format selbst bietet keine Datenkomprimierung. Es ist jedoch üblich, TAR-Archive mit Komprimierungsalgorithmen wie gzip, bzip2 oder xz zu komprimieren. Die resultierenden Dateien erhalten oft Erweiterungen wie .tar.gz, .tgz, .tar.bz2, .tbz2, .tar.xz oder .txz, um die verwendete Komprimierungsmethode anzugeben.
Das Erstellen und Extrahieren von TAR-Archiven wird von den meisten Betriebssystemen unterstützt und kann mit Befehlszeilentools oder grafischen Benutzeroberflächen erfolgen. Auf Unix-ähnlichen Systemen wird häufig der Befehl tar verwendet. Beispielsweise:
- So erstellen Sie ein TAR-Archiv: `tar -cf archive.tar file1 file2 directory/`
- So extrahieren Sie ein TAR-Archiv: `tar -xf archive.tar`
- So erstellen Sie ein komprimiertes TAR-Archiv: `tar -czf archive.tar.gz file1 file2 directory/`
Zusätzlich zum grundlegenden TAR-Format gibt es mehrere Varianten und Erweiterungen, wie z. B. das GNU TAR-Format, das Unterstützung für Sparse-Dateien, lange Dateinamen und erweiterte Attribute hinzufügt. Diese Erweiterungen bieten zusätzliche Funktionen und sind gleichzeitig mit dem grundlegenden TAR-Format kompatibel.
Die Einfachheit und Portabilität des TAR-Formats haben zu seiner weit verbreiteten Akzeptanz auf verschiedenen Plattformen und Anwendungsfällen beigetragen. Es ist nach wie vor eine beliebte Wahl für Archivierung, Sicherung und Softwareverteilung, oft in Kombination mit Komprimierungsmethoden, um Speicherplatzbedarf und Übertragungszeiten zu reduzieren.
Die Dateikomprimierung reduziert Redundanzen, damit dieselben Informationen mit weniger Bits auskommen. Die Obergrenze wird von der Informationstheorie gesetzt: Bei verlustfreier Komprimierung bestimmt die Entropie der Quelle das Limit (siehe Shannons Source-Coding-Theorem und seinen ursprünglichen Aufsatz von 1948 „A Mathematical Theory of Communication“). Bei verlustbehafteter Komprimierung beschreibt die Rate-Distortion-Theorie den Kompromiss zwischen Bitrate und Qualität.
Die meisten Kompressoren arbeiten in zwei Phasen. Zuerst sagt ein Modell Struktur in den Daten voraus oder legt sie frei. Danach wandelt ein Coder diese Vorhersagen in nahezu optimale Bitmuster um. Eine klassische Modellfamilie ist Lempel–Ziv LZ77 (1977) und LZ78 (1978) entdecken wiederholte Teilstrings und geben Referenzen statt Rohbytes aus. Auf der Codierungsseite weist die Huffman-Codierung (den Originalartikel finden Sie 1952) wahrscheinlicheren Symbolen kürzere Codes zu. Arithmetische Codierung und Range Coding arbeiten noch feiner und rücken näher an die Entropiegrenze, während moderne Asymmetric Numeral Systems (ANS) ähnliche Raten mit tabellengesteuerten Implementierungen erreichen.
DEFLATE (verwendet von gzip, zlib und ZIP) kombiniert LZ77 mit Huffman-Codierung. Die Spezifikationen sind öffentlich: DEFLATE RFC 1951, der zlib-Wrapper RFC 1950und das gzip-Dateiformat RFC 1952. Gzip ist für Streaming ausgelegt und garantiert ausdrücklich keinen zufälligen Zugriff. PNG-Bilder standardisieren DEFLATE als einzige Komprimierungsmethode (mit maximal 32 KiB Fenster) laut der PNG-Spezifikation „Compression method 0… deflate/inflate… at most 32768 bytes“ und W3C/ISO PNG 2nd Edition.
Zstandard (zstd): ein neuer Allzweckkompressor für hohe Raten bei sehr schneller Dekompression. Das Format ist dokumentiert in RFC 8878 (und dem HTML-Spiegel) sowie der Referenzspezifikation auf GitHub. Wie gzip zielt der Basis-Frame nicht auf zufälligen Zugriff. Eine der Superkräfte von zstd sind Wörterbücher: kleine Proben aus Ihrem Korpus, die viele kleine oder ähnliche Dateien deutlich besser komprimieren (siehe python-zstandard Wörterbuch-Dokumentation und Nigel Taos Beispiel). Implementierungen akzeptieren sowohl „unstrukturierte“ als auch „strukturierte“ Wörterbücher (Diskussion).
Brotli: optimiert für Web-Inhalte (z. B. WOFF2-Fonts, HTTP). Es kombiniert ein statisches Wörterbuch mit einem DEFLATE-ähnlichen LZ+Entropie-Kern. Die Spezifikation ist RFC 7932, der auch ein Gleitfenster von 2WBITS−16 mit WBITS in [10, 24] (1 KiB−16 B bis 16 MiB−16 B) beschreibt und festhält, dass es keinen zufälligen Zugriff bereitstellt. Brotli schlägt gzip bei Webtext oft und dekodiert trotzdem schnell.
ZIP-Container: ZIP ist ein Datei-Archiv, das Einträge mit verschiedenen Komprimierungsmethoden (deflate, store, zstd usw.) speichern kann. Der De-facto-Standard ist PKWAREs APPNOTE (siehe APPNOTE-Portal, eine gehostete Kopieund die LC-Überblicke ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 zielt auf pure Geschwindigkeit bei moderaten Raten. Siehe die Projektseite („extremely fast compression“) und das Frame-Format. Ideal für In-Memory-Caches, Telemetrie oder Hot Paths, in denen Dekompression nahezu RAM-Geschwindigkeit erreichen muss.
XZ / LZMA strebt hohe Dichte (große Raten) mit relativ langsamer Kompression an. XZ ist ein Container; die Schwerarbeit leisten typischerweise LZMA/LZMA2 (LZ77-ähnliche Modellierung + Range Coding). Siehe .xz-Dateiformat, die LZMA-Spezifikation (Pavlov)und Linux-Hinweise zu XZ Embedded. XZ komprimiert meist besser als gzip und konkurriert oft mit modernen Hochratencodecs, braucht aber längere Encode-Zeiten.
bzip2 setzt auf die Burrows–Wheeler-Transformation (BWT), Move-to-Front, RLE und Huffman-Codierung. Typisch kleiner als gzip, aber langsamer; siehe das offizielle Handbuch und die Manpages (Linux).
Die „Fenstergröße“ zählt. DEFLATE-Referenzen können nur 32 KiB zurückblicken (RFC 1951) sowie das PNG-Limit von 32 KiB hier erläutert. Brotli deckt Fenster von etwa 1 KiB bis 16 MiB ab (RFC 7932). Zstd passt Fenster und Suchtiefe über die Level an (RFC 8878). Basis-Streams von gzip/zstd/brotli sind für sequentielles Dekodieren gebaut; die Grundformate versprechen keinen zufälligen Zugriff, obwohl Container (z. B. Tar-Indizes, Chunked Framing oder format-spezifische Indizes) ihn nachrüsten können.
Die oben genannten Formate sind verlustfrei: Sie rekonstruieren exakt dieselben Bytes. Medien-Codecs sind oft verlustbehaftet: Sie verwerfen unmerkliche Details, um niedrigere Bitraten zu erreichen. Bei Bildern ist klassisches JPEG (DCT, Quantisierung, Entropiecodierung) in ITU-T T.81 / ISO/IEC 10918-1standardisiert. In Audio nutzen MP3 (MPEG-1 Layer III) und AAC (MPEG-2/4) Wahrnehmungsmodelle und MDCT-Transformationen (siehe ISO/IEC 11172-3, ISO/IEC 13818-7und eine MDCT-Übersicht hier). Verlustbehaftet und verlustfrei können koexistieren (z. B. PNG für UI-Assets; Web-Codecs für Bilder/Video/Audio).
Theorie Shannon 1948 · Rate–distortion · Codierung Huffman 1952 · Arithmetische Codierung · Range Coding · ANS. Formate DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · XZ format. BWT-Stack Burrows–Wheeler (1994) · bzip2 manual. Medien JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Fazit: Wählen Sie einen Kompressor, der zu Ihren Daten und Randbedingungen passt, messen Sie auf echten Eingaben und vergessen Sie nicht die Gewinne durch Wörterbücher und clevere Frames. Mit der richtigen Kombination erhalten Sie kleinere Dateien, schnellere Übertragungen und reaktionsschnellere Apps – ohne Korrektheit oder Portabilität zu opfern.
Dateikompression ist ein Prozess, der die Größe einer Datei oder Dateien reduziert, normalerweise um Speicherplatz zu sparen oder die Übertragung über ein Netzwerk zu beschleunigen.
Die Dateikompression funktioniert, indem sie Redundanzen in den Daten identifiziert und entfernt. Sie verwendet Algorithmen, um die ursprünglichen Daten in einem kleineren Raum zu kodieren.
Die beiden primären Arten der Dateikompression sind verlustfreie und verlustbehaftete Kompression. Verlustfreie Kompression ermöglicht die perfekte Wiederherstellung der Originaldatei, während verlustbehaftete Kompression eine größere Größenreduktion ermöglicht, dies jedoch auf Kosten eines Qualitätsverlusts bei den Daten.
Ein populäres Beispiel für ein Dateikompressionstool ist WinZip, das mehrere Kompressionsformate unterstützt, darunter ZIP und RAR.
Bei verlustfreier Kompression bleibt die Qualität unverändert. Bei verlustbehafteter Kompression kann es jedoch zu einem spürbaren Qualitätsverlust kommen, da weniger wichtige Daten zur Reduzierung der Dateigröße stärker eliminiert werden.
Ja, die Dateikompression ist sicher in Bezug auf die Datenintegrität, insbesondere bei der verlustfreien Kompression. Wie alle Dateien können jedoch auch komprimierte Dateien von Malware oder Viren angegriffen werden. Daher ist es immer wichtig, eine seriöse Sicherheitssoftware zu haben.
Fast alle Arten von Dateien können komprimiert werden, einschließlich Textdateien, Bilder, Audio, Video und Softwaredateien. Das erreichbare Kompressionsniveau kann jedoch zwischen den Dateitypen erheblich variieren.
Eine ZIP-Datei ist ein Dateiformat, das verlustfreie Kompression verwendet, um die Größe einer oder mehrerer Dateien zu reduzieren. Mehrere Dateien in einer ZIP-Datei werden effektiv zu einer einzigen Datei gebündelt, was das Teilen einfacher macht.
Technisch ja, obwohl die zusätzliche Größenreduktion minimal oder sogar kontraproduktiv sein könnte. Das Komprimieren einer bereits komprimierten Datei kann manchmal deren Größe erhöhen, aufgrund der durch den Kompressionsalgorithmus hinzugefügten Metadaten.
Um eine Datei zu dekomprimieren, benötigen Sie in der Regel ein Dekompressions- oder Entzip-Tool, wie WinZip oder 7-Zip. Diese Tools können die Originaldateien aus dem komprimierten Format extrahieren.