XAR (eXtensible ARchive) es un formato de archivo desarrollado por Apple Inc. para agrupar y distribuir software en macOS. Sirve como reemplazo para formatos más antiguos como .pkg y .dmg, ofreciendo varias ventajas como seguridad mejorada, tamaños de archivo más pequeños y mejor rendimiento. Los archivos XAR usan la extensión de archivo .xar y se pueden crear y extraer usando la utilidad de línea de comandos xar incluida con macOS.
El formato XAR se basa en el estándar XML (eXtensible Markup Language). Un archivo XAR consta de tres componentes principales: una tabla de contenido (TOC) en formato XML que describe el contenido del archivo, los archivos y directorios reales almacenados en el archivo y firmas digitales para seguridad. La TOC actúa como un índice, especificando la ruta, el tamaño y otros metadatos para cada archivo en el archivo. Esta estructura basada en XML permite la extensibilidad, ya que Apple o terceros pueden agregar etiquetas personalizadas para admitir nuevas funciones.
Un aspecto clave del formato XAR es su uso de compresión. De forma predeterminada, XAR usa compresión zlib para reducir el tamaño de los archivos archivados. La TOC en sí también está comprimida. Esto da como resultado tamaños de archivo más pequeños en comparación con formatos más antiguos como .pkg, que almacenan archivos sin comprimir. Sin embargo, XAR también admite el almacenamiento de archivos sin comprimir si se desea. La compresión aplicada a cada archivo se puede especificar individualmente en la TOC.
Para garantizar la integridad y autenticidad de los archivos XAR, el formato incorpora firmas digitales. Cada archivo XAR incluye una o más firmas que cubren toda la TOC. Estas firmas se crean utilizando criptografía de clave pública, generalmente con algoritmos RSA o DSA. Las firmas permiten a los destinatarios verificar que el archivo no ha sido manipulado y que proviene de una fuente confiable. Apple usa firmas XAR para distribuir actualizaciones de software y aplicaciones en la Mac App Store.
Cuando se abre un archivo XAR, primero se descomprime y analiza la TOC. La TOC proporciona una estructura de directorio y metadatos de archivo, similar al formato 'tar' utilizado en sistemas Unix. Los datos del archivo real se almacenan después de la TOC en el archivo. Los datos de cada archivo se pueden comprimir o descomprimir, como lo indica la entrada correspondiente en la TOC. Para extraer un archivo, sus datos se ubican utilizando la información de desplazamiento y tamaño de la TOC.
El formato XAR admite varias funciones avanzadas más allá del archivo básico. Una de esas características es la capacidad de incluir varias TOC en un solo archivo. Esto permite crear actualizaciones incrementales donde solo los archivos modificados deben incluirse en el archivo de actualización. Las múltiples TOC pueden describir el estado del archivo en diferentes versiones del software. Los mecanismos de actualización inteligente pueden usar esta información para aplicar parches incrementales de manera eficiente.
Además, los archivos XAR pueden almacenar atributos extendidos y listas de control de acceso (ACL) asociadas con los archivos archivados. Los atributos extendidos son pares clave-valor que pueden almacenar metadatos específicos de la aplicación. Las ACL definen permisos granulares para acceder a archivos. Al conservar esta información en el archivo, XAR garantiza que los atributos del archivo original se restauren cuando se extraen en el sistema de destino.
El formato XAR también incluye disposiciones para la firma de código. Además de las firmas a nivel de archivo que cubren la TOC, los archivos individuales dentro del archivo pueden tener sus propias firmas. Esto es útil para distribuir componentes de software que deben verificarse de forma independiente. Por ejemplo, una arquitectura de complemento puede usar la firma de código para garantizar que solo una aplicación cargue complementos confiables.
Otra característica de XAR es su capacidad para almacenar enlaces físicos. Los enlaces físicos permiten que varias entradas de directorio hagan referencia a los mismos datos de archivo en el disco. En la TOC de XAR, los enlaces físicos se representan mediante elementos XML especiales que apuntan a la entrada de archivo original. Cuando se extrae el archivo, se recrean los enlaces físicos, preservando el espacio en disco y manteniendo la estructura de directorio original.
Para trabajar con archivos XAR mediante programación, los desarrolladores pueden usar la herramienta de línea de comandos xar o bibliotecas como libxar. La herramienta xar proporciona comandos para crear, extraer y manipular archivos XAR. Admite varias opciones para compresión, firma y verificación. Libxar es una biblioteca C que implementa el formato XAR y proporciona una API para leer y escribir archivos XAR. Permite a los desarrolladores integrar el soporte XAR en sus propias aplicaciones.
En resumen, el formato XAR ofrece un enfoque moderno y extensible para el empaquetado y distribución de software en macOS. Su uso de XML para la tabla de contenido, compresión para tamaños de archivo más pequeños, firmas digitales para seguridad y soporte para funciones avanzadas como actualizaciones incrementales y firma de código lo convierten en una herramienta poderosa para desarrolladores y administradores de sistemas. A medida que Apple continúa mejorando y promoviendo el formato, es probable que XAR se convierta en el estándar para la distribución de software en macOS.
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.