Das .tar.gz-Archivformat, auch bekannt als Tarball oder Gzip-komprimiertes Tar-Archiv, ist ein häufig verwendetes Dateiformat zum Verpacken und Komprimieren von Dateien und Verzeichnissen in einer einzigen Datei zur bequemen Speicherung und Übertragung. Es kombiniert das Tar-Format (Tape Archive) zum Bündeln von Dateien und Verzeichnissen mit Gzip-Komprimierung, um die Gesamtdateigröße zu reduzieren. Das .tar.gz-Format wird in Unix-ähnlichen Betriebssystemen häufig verwendet und von verschiedenen Archivierungswerkzeugen und Dienstprogrammen unterstützt.
Das Tar-Format selbst ist eine Verkettung von Datei- und Verzeichnisdatensätzen. Jeder Datensatz enthält Metadaten zu einer Datei oder einem Verzeichnis, wie z. B. Name, Größe, Berechtigungen, Besitz und Änderungszeitmarken. Die eigentlichen Dateidaten werden nach den Metadaten im Archiv gespeichert. Tar-Archive können die Verzeichnisstruktur, symbolische Links und andere spezielle Dateitypen beibehalten.
Zum Erstellen eines Tar-Archivs wird das Dienstprogramm tar verwendet. Es durchläuft rekursiv das angegebene Verzeichnis oder die Dateiliste und generiert eine einzelne Tar-Datei, die alle Dateien und Verzeichnisse enthält. Die resultierende Tar-Datei hat die Erweiterung .tar. Der Befehl tar unterstützt verschiedene Optionen zur Steuerung des Archiverstellungsprozesses, wie z. B. die Angabe des Ausgabedateinamens, das Ausschließen bestimmter Dateien oder Verzeichnisse, das Beibehalten von Berechtigungen und Besitz und die Verarbeitung symbolischer Links.
Während das Tar-Format zum Bündeln von Dateien nützlich ist, bietet es selbst keine Komprimierung. Hier kommt Gzip ins Spiel. Gzip ist ein beliebter Komprimierungsalgorithmus, der die Lempel-Ziv-Codierung (LZ77) verwendet, um Daten effizient zu komprimieren. Es analysiert die Eingabedaten und ersetzt wiederholte Sequenzen durch Verweise auf frühere Vorkommen, wodurch die Gesamtgröße der Daten reduziert wird.
Um ein .tar.gz-Archiv zu erstellen, wird das Dienstprogramm tar in Kombination mit dem Dienstprogramm gzip verwendet. Zuerst erstellt das Dienstprogramm tar ein Tar-Archiv, wie zuvor beschrieben. Anschließend wird die resultierende Tar-Datei durch das Dienstprogramm gzip geleitet, das die Tar-Datei mit dem Gzip-Algorithmus komprimiert. Die komprimierte Ausgabe erhält normalerweise die Erweiterung .gz, was zu einer .tar.gz-Datei führt.
Die Komprimierungsstufe von Gzip kann über Befehlszeilenoptionen angepasst werden. Standardmäßig verwendet Gzip eine Komprimierungsstufe von 6, die ein gutes Gleichgewicht zwischen Komprimierungsverhältnis und Geschwindigkeit bietet. Höhere Komprimierungsstufen (bis zu 9) können zu kleineren Dateigrößen führen, die Komprimierung kann jedoch länger dauern. Niedrigere Komprimierungsstufen (bis zu 1) priorisieren die Geschwindigkeit gegenüber dem Komprimierungsverhältnis.
Um Dateien aus einem .tar.gz-Archiv zu extrahieren, wird der Vorgang umgekehrt. Das Archiv wird zuerst mit dem Dienstprogramm gzip dekomprimiert, das die ursprüngliche Tar-Datei wiederherstellt. Anschließend wird das Dienstprogramm tar verwendet, um die Dateien und Verzeichnisse aus dem Tar-Archiv zu extrahieren. Der Befehl tar unterstützt Optionen zum Angeben des Extraktionsspeicherorts, zum Beibehalten von Berechtigungen und Besitz und zum Verarbeiten symbolischer Links.
Ein Vorteil des .tar.gz-Formats ist seine Kompatibilität auf verschiedenen Plattformen. Tar- und Gzip-Dienstprogramme sind auf Unix-ähnlichen Systemen weit verbreitet, und viele andere Betriebssysteme bieten Tools zur Verarbeitung von .tar.gz-Dateien. Dies macht es bequem, Archive auf einem System zu erstellen und auf einem anderen zu extrahieren, unabhängig von der zugrunde liegenden Architektur oder dem Betriebssystem.
Zusätzlich zu den Befehlszeilendienstprogrammen unterstützen verschiedene grafische Tools und Dateikomprimierungsprogramme das .tar.gz-Format. Diese Tools bieten oft benutzerfreundliche Oberflächen zum Erstellen, Extrahieren und Verwalten von .tar.gz-Archiven, wodurch sie für Benutzer zugänglich sind, die grafische Oberflächen bevorzugen.
Das .tar.gz-Format hat einige Einschränkungen und Überlegungen. Es bietet keine integrierte Verschlüsselung oder Kennwortschutz für die archivierten Dateien. Wenn Sicherheit ein Problem darstellt, müssen zusätzliche Verschlüsselungstechniken oder Tools in Verbindung mit .tar.gz verwendet werden. Darüber hinaus kann das von Gzip erreichte Komprimierungsverhältnis je nach Art der zu komprimierenden Daten variieren. Textbasierte Dateien und Dateien mit sich wiederholenden Mustern lassen sich in der Regel gut komprimieren, während bereits komprimierte Dateien (z. B. Bilder, Videos) möglicherweise nicht wesentlich von einer weiteren Gzip-Komprimierung profitieren.
Trotz dieser Einschränkungen ist das .tar.gz-Format aufgrund seiner Einfachheit, Kompatibilität und Effizienz beim Verpacken und Komprimieren von Dateien weit verbreitet. Es wird häufig zum Verteilen von Quellcode, Softwarepaketen, Sicherungsarchiven und zum Übertragen großer Dateisammlungen über Netzwerke oder Speichermedien verwendet.
Zusammenfassend lässt sich sagen, dass das .tar.gz-Archivformat das Tar-Format zum Bündeln von Dateien und Verzeichnissen mit Gzip-Komprimierung kombiniert, um eine komprimierte Archivdatei zu erstellen. Es bietet eine bequeme und effiziente Möglichkeit, Dateien zur Speicherung und Übertragung zu verpacken und zu komprimieren, während die Kompatibilität zwischen verschiedenen Systemen gewährleistet bleibt. Das Verständnis des .tar.gz-Formats und der zugehörigen Tools ist wertvoll für die Verwaltung und Verteilung von Dateien in verschiedenen Computerumgebungen.
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.