ISO 9660 es un estándar de sistema de archivos publicado en 1988 para medios de disco óptico. Fue desarrollado por la Organización Internacional de Normalización (ISO) y la Comisión Electrotécnica Internacional (IEC) para definir un sistema de archivos estándar para CD-ROM. El objetivo era garantizar la interoperabilidad de los discos de datos entre diferentes plataformas y sistemas operativos.
Un disco ISO 9660 contiene datos en una estructura de árbol jerárquica de directorios y archivos, similar a otros sistemas de archivos. El directorio superior se conoce como directorio raíz. Se hace referencia a los directorios y archivos mediante una ruta que comienza desde la raíz. Cada directorio, incluida la raíz, contiene un conjunto de entradas de directorio que proporcionan metadatos sobre los archivos y subdirectorios dentro de él.
ISO 9660 define varios aspectos clave y limitaciones de la estructura del sistema de archivos:
- Los nombres de archivo pueden tener hasta 8 caracteres de longitud con una extensión de 3 caracteres, separados por un punto. Los nombres de archivo deben constar de letras mayúsculas de la A a la Z, dígitos del 0 al 9 y guiones bajos. La longitud del nombre del archivo y las restricciones de caracteres ayudan a garantizar una amplia compatibilidad.
- Los nombres de directorio están restringidos de manera similar a 8 caracteres en mayúsculas más el guion bajo. Los nombres de directorio también están limitados a 8 niveles de profundidad.
- La longitud de la ruta completa a cualquier archivo o directorio está limitada a 255 caracteres. Los separadores de ruta utilizan la barra diagonal (/).
Un disco ISO 9660 comienza con 16 sectores de área del sistema, seguidos de hasta 2048 sectores de descriptores de volumen. Los descriptores de volumen brindan información sobre la estructura y el contenido del disco, incluido el descriptor de volumen principal que contiene metadatos clave.
El descriptor de volumen principal aparece en el sector 16 y contiene información como el nombre del volumen del disco, el identificador del editor, el preparador de datos, los derechos de autor, el resumen y las fechas de creación/modificación/caducidad del volumen. También especifica el tamaño y la ubicación de la tabla de rutas, la ubicación del directorio raíz y la referencia a los descriptores de volumen complementarios.
Los discos ISO 9660 utilizan tablas de rutas para optimizar la navegación y las búsquedas de directorios. Las tablas de rutas proporcionan un índice de la jerarquía de directorios, con tablas separadas para directorios que utilizan nombres en minúsculas (tabla de rutas tipo L) y directorios que utilizan nombres en mayúsculas y caracteres especiales (tabla de rutas tipo M). La tabla de rutas tipo L es opcional pero se utiliza en la mayoría de los discos.
Cada entrada de la tabla de rutas contiene la ubicación del registro del directorio, el número de niveles de directorio desde la raíz y el nombre del directorio. Esto permite un recorrido eficiente del árbol de directorios sin necesidad de analizar los directorios sector por sector.
Se hace referencia a los archivos y directorios en un disco ISO 9660 a través de entradas de registro de directorio dentro de cada directorio. Un registro de directorio incluye campos de metadatos para:
- Longitud del registro del directorio - Longitud del registro de atributos extendidos - Ubicación de la extensión del archivo/directorio (desplazamiento del sector) - Longitud de datos del archivo/directorio - Fecha y hora de grabación - Marcas de archivo (por ejemplo: oculto, directorio, archivo asociado) - Tamaño de unidad de archivo para archivos entrelazados - Tamaño del espacio de intercalación para archivos entrelazados - Número de secuencia de volumen - Longitud del identificador de archivo (nombre de archivo) - Nombre del archivo
ISO 9660 define un sistema de archivos virtual donde todos los datos se masterizan en un medio de solo lectura. Como tal, el estándar no incluye disposiciones para modificar un disco ISO 9660 existente: el disco siempre se trata como de solo lectura. Si se necesitan cambios, se debe generar una nueva imagen de disco con los archivos y directorios actualizados.
Si bien ISO 9660 fue diseñado para medios ópticos, también se puede acceder a las imágenes de disco que utilizan el estándar desde otros medios como discos duros. Muchos sistemas operativos permiten montar un archivo de imagen de disco ISO 9660 como una unidad virtual de solo lectura o acceder al contenido de la imagen de disco a través de controladores especiales del sistema de archivos.
Las extensiones posteriores a ISO 9660 ampliaron sus capacidades manteniendo la compatibilidad con versiones anteriores:
- Extensiones Rock Ridge: permiten que la semántica y la información del sistema de archivos Unix se almacenen en discos ISO 9660. Permite nombres de archivo más largos, estructuras de directorio más profundas y atributos de archivo adicionales.
- Extensiones Joliet: especificadas por Microsoft para permitir nombres de archivo Unicode de hasta 64 caracteres de longitud. Los nombres de archivo Joliet pueden utilizar una gama más amplia de caracteres y se almacenan en formato UTF-16.
- El Torito: permite que un disco sea de arranque proporcionando una especificación para CD-ROM de arranque, que puede incluir código de arranque e imágenes de disco de arranque.
Aunque los discos ópticos han disminuido en popularidad en comparación con su punto máximo, ISO 9660 sigue siendo un estándar importante para el intercambio de datos en medios de solo lectura. Su diseño promovió la interoperabilidad entre plataformas informáticas mientras trabajaba dentro de las limitaciones del almacenamiento óptico. Comprender el formato ISO 9660 es valioso para quienes trabajan con archivos CD/DVD, imágenes de disco e internos del sistema operativo.
La compresión de archivos reduce la redundancia para que la misma información ocupe menos bits. El límite superior de hasta dónde se puede llegar está gobernado por la teoría de la información: para la compresión sin pérdidas, el límite es la entropía de la fuente (véase el teorema de codificación de fuente y su artículo original de 1948 “Una teoría matemática de la comunicación”). Para la compresión con pérdidas, el equilibrio entre la tasa y la calidad se captura mediante la teoría de la tasa-distorsión.
La mayoría de los compresores tienen dos etapas. Primero, un modelo predice o expone la estructura de los datos. Segundo, un codificador convierte esas predicciones en patrones de bits casi óptimos. Una familia clásica de modelado es Lempel-Ziv: LZ77 (1977) y LZ78 (1978) detectan subcadenas repetidas y emiten referencias en lugar de bytes sin procesar. En el lado de la codificación, la codificación de Huffman (véase el artículo original de 1952) asigna códigos más cortos a los símbolos más probables. La codificación aritmética y la codificación por rangos son alternativas más detalladas que se acercan más al límite de la entropía, mientras que los modernos Sistemas Numéricos Asimétricos (ANS) logran una compresión similar con implementaciones rápidas basadas en tablas.
DEFLATE (utilizado por gzip, zlib y ZIP) combina LZ77 con la codificación de Huffman. Sus especificaciones son públicas: DEFLATE RFC 1951, envoltura zlib RFC 1950, y formato de archivo gzip RFC 1952. Gzip está diseñado para la transmisión y explícitamente no intenta proporcionar acceso aleatorio. Las imágenes PNG estandarizan DEFLATE como su único método de compresión (con una ventana máxima de 32 KiB), según la especificación de PNG “Método de compresión 0… deflate/inflate… como máximo 32768 bytes” y W3C/ISO PNG 2ª Edición.
Zstandard (zstd): un compresor de propósito general más nuevo diseñado para altas relaciones de compresión con una descompresión muy rápida. El formato está documentado en RFC 8878 (también espejo HTML) y la especificación de referencia en GitHub. Al igual que gzip, el marco básico no tiene como objetivo el acceso aleatorio. Uno de los superpoderes de zstd son los diccionarios: pequeñas muestras de su corpus que mejoran drásticamente la compresión en muchos archivos pequeños o similares (véase documentación del diccionario python-zstandard y el ejemplo práctico de Nigel Tao). Las implementaciones aceptan diccionarios tanto “no estructurados” como “estructurados” (discusión).
Brotli: optimizado para contenido web (por ejemplo, fuentes WOFF2, HTTP). Mezcla un diccionario estático con un núcleo de entropía+LZ similar a DEFLATE. La especificación es RFC 7932, que también señala una ventana deslizante de 2WBITS−16 con WBITS en [10, 24] (1 KiB−16 B hasta 16 MiB−16 B) y que no intenta el acceso aleatorio. Brotli a menudo supera a gzip en texto web mientras se decodifica rápidamente.
Contenedor ZIP: ZIP es un archivo de ficheros que puede almacenar entradas con varios métodos de compresión (deflate, store, zstd, etc.). El estándar de facto es la APPNOTE de PKWARE (véase APPNOTE portal, una copia alojada, y resúmenes de LC Formato de archivo ZIP (PKWARE) / ZIP 6.3.3).
LZ4 se centra en la velocidad bruta con relaciones modestas. Véase su página del proyecto („compresión extremadamente rápida“) y formato de trama. Es ideal para cachés en memoria, telemetría o rutas calientes donde la descompresión debe ser cercana a la velocidad de la RAM.
XZ / LZMA buscan la densidad (grandes relaciones) con una compresión relativamente lenta. XZ es un contenedor; el trabajo pesado lo realiza normalmente LZMA/LZMA2 (modelado tipo LZ77 + codificación por rangos). Véase formato de archivo .xz, la especificación de LZMA (Pavlov), y las notas del kernel de Linux sobre XZ Embedded. XZ suele comprimir más que gzip y a menudo compite con los códecs modernos de alta relación, pero con tiempos de codificación más lentos.
bzip2 aplica la Transformada de Burrows-Wheeler (BWT), move-to-front, RLE y codificación de Huffman. Suele ser más pequeño que gzip pero más lento; véase el manual oficial y las páginas del manual (Linux).
El „tamaño de la ventana“ importa. Las referencias de DEFLATE solo pueden mirar hacia atrás 32 KiB (RFC 1951 y el límite de 32 KiB de PNG señalado aquí). La ventana de Brotli varía de aproximadamente 1 KiB a 16 MiB (RFC 7932). Zstd ajusta la ventana y la profundidad de búsqueda por nivel (RFC 8878). Los flujos básicos de gzip/zstd/brotli están diseñados para la decodificación secuencial; los formatos base no prometen acceso aleatorio, aunque los contenedores (por ejemplo, índices tar, tramas fragmentadas o índices específicos del formato) pueden superponerlo.
Los formatos anteriores son sin pérdidas: se pueden reconstruir los bytes exactos. Los códecs de medios suelen ser con pérdidas: descartan detalles imperceptibles para alcanzar tasas de bits más bajas. En imágenes, el JPEG clásico (DCT, cuantificación, codificación de entropía) está estandarizado en ITU-T T.81 / ISO/IEC 10918-1. En audio, MP3 (MPEG-1 Layer III) y AAC (MPEG-2/4) se basan en modelos perceptuales y transformadas MDCT (véase ISO/IEC 11172-3, ISO/IEC 13818-7, y un resumen de MDCT aquí). Con y sin pérdidas pueden coexistir (por ejemplo, PNG para activos de interfaz de usuario; códecs web para imágenes/vídeo/audio).
Teoría: Shannon 1948 · Tasa-distorsión · Codificación: Huffman 1952 · Codificación aritmética · Codificación por rangos · ANS. Formatos: DEFLATE · zlib · gzip · Zstandard · Brotli · Trama LZ4 · Formato XZ. Pila BWT: Burrows–Wheeler (1994) · manual de bzip2. Medios: JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
En resumen: elija un compresor que se ajuste a sus datos y restricciones, mida con entradas reales y no olvide las ganancias de los diccionarios y el entramado inteligente. Con la combinación adecuada, puede obtener archivos más pequeños, transferencias más rápidas y aplicaciones más ágiles, sin sacrificar la corrección o la portabilidad.
La compresión de archivos es un proceso que reduce el tamaño de un archivo o archivos, típicamente para ahorrar espacio de almacenamiento o acelerar la transmisión a través de una red.
La compresión de archivos funciona identificando y eliminando la redundancia en los datos. Utiliza algoritmos para codificar los datos originales en un espacio menor.
Los dos tipos principales de compresión de archivos son la compresión sin pérdida y la compresión con pérdida. La compresión sin pérdida permite restaurar perfectamente el archivo original, mientras que la compresión con pérdida permite una reducción de tamaño más significativa a costa de alguna pérdida en la calidad de los datos.
Un ejemplo popular de una herramienta de compresión de archivos es WinZip, que admite varios formatos de compresión incluyendo ZIP y RAR.
Con la compresión sin pérdida, la calidad permanece sin cambios. Sin embargo, con la compresión con pérdida, puede haber una disminución notable en la calidad, ya que elimina datos menos importantes para reducir de manera más significativa el tamaño del archivo.
Sí, la compresión de archivos es segura en términos de integridad de datos, especialmente con la compresión sin pérdida. Sin embargo, como en todos los archivos, los archivos comprimidos pueden ser objeto de malware o virus, por lo que siempre es importante tener un software de seguridad de confianza en funcionamiento.
Casi todos los tipos de archivos se pueden comprimir, incluyendo archivos de texto, imágenes, audio, video y archivos de software. Sin embargo, el nivel de compresión alcanzable puede variar significativamente entre los tipos de archivos.
Un archivo ZIP es un tipo de formato de archivo que utiliza compresión sin pérdida para reducir el tamaño de uno o varios archivos. Varios archivos en un archivo ZIP se agrupan efectivamente en un solo archivo, lo que también facilita la compartición.
Técnicamente, sí, aunque la reducción de tamaño adicional podría ser mínima o incluso contraproducente. Comprimir un archivo ya comprimido a veces aumenta su tamaño debido a los metadatos agregados por el algoritmo de compresión.
Para descomprimir un archivo, generalmente necesitas una herramienta de descompresión, como WinZip o 7-Zip. Estas herramientas pueden extraer los archivos originales del formato comprimido.