MTREE est un format de fichier d'archive classique qui était couramment utilisé à l'époque de MS-DOS pour distribuer des logiciels et des données. Il a été développé par Microsoft et a gagné en popularité en raison de sa compression efficace et de ses vitesses de décompression rapides sur le matériel de l'époque. Le format MTREE est une structure d'archive arborescente qui permet une organisation hiérarchique des fichiers et des répertoires.
Une archive MTREE se compose d'un en-tête suivi d'une série de nœuds qui représentent les fichiers et les répertoires stockés dans l'archive. L'en-tête contient des métadonnées sur l'archive, notamment la signature MTREE (généralement "MTRE"), le numéro de version, la méthode de compression et d'autres indicateurs. Les nœuds sont organisés dans une structure arborescente, chaque nœud représentant soit un fichier, soit un répertoire.
Chaque nœud de l'archive MTREE contient des informations telles que le type de nœud (fichier ou répertoire), les attributs du fichier (par exemple, la taille, l'horodatage), la méthode de compression (le cas échéant) et les données compressées ou non compressées du fichier. Les répertoires sont représentés sous forme de nœuds spéciaux qui contiennent des références à leurs nœuds enfants, permettant la structure hiérarchique de l'archive.
MTREE prend en charge diverses méthodes de compression, les plus courantes étant LZSS (Lempel-Ziv-Storer-Szymanski) et DEFLATE. LZSS est un algorithme de compression basé sur un dictionnaire qui utilise une fenêtre coulissante pour trouver et remplacer les motifs répétés dans les données. Il offre une décompression rapide et des taux de compression raisonnables. DEFLATE, en revanche, est une combinaison de LZ77 et du codage de Huffman, offrant de meilleurs taux de compression mais une décompression légèrement plus lente que LZSS.
L'une des principales caractéristiques de MTREE est sa capacité à accéder efficacement à des fichiers individuels dans l'archive sans avoir besoin de décompresser l'archive entière. Ceci est réalisé grâce à l'utilisation d'une table d'allocation de fichiers (FAT) qui mappe la structure logique de l'archive aux décalages physiques des nœuds. La FAT permet une recherche et une récupération rapides de fichiers spécifiques, ce qui rend MTREE adapté aux scénarios où un accès aléatoire aux fichiers est requis.
Pour créer une archive MTREE, les fichiers et les répertoires sont d'abord organisés dans la hiérarchie souhaitée. Chaque fichier est compressé à l'aide de la méthode de compression choisie et les données compressées sont stockées dans le nœud de fichier correspondant. Les répertoires sont représentés sous forme de nœuds avec des références à leurs nœuds enfants. La FAT est ensuite générée, mappant la structure logique aux décalages physiques dans l'archive.
L'extraction de fichiers d'une archive MTREE implique de parcourir la structure arborescente et de localiser les nœuds de fichiers souhaités. La FAT est utilisée pour localiser rapidement le décalage physique des données du fichier dans l'archive. Les données compressées sont ensuite décompressées à l'aide de l'algorithme de décompression approprié en fonction de la méthode de compression spécifiée dans le nœud.
Les archives MTREE peuvent également prendre en charge des fonctionnalités supplémentaires telles que la protection par mot de passe, le chiffrement et les signatures numériques. La protection par mot de passe permet de restreindre l'accès au contenu de l'archive, tandis que le chiffrement fournit une couche de sécurité supplémentaire en chiffrant les données du fichier. Les signatures numériques peuvent être utilisées pour vérifier l'intégrité et l'authenticité de l'archive.
Bien que MTREE soit considéré comme un format d'archive classique et ait été largement remplacé par des formats plus modernes comme ZIP et RAR, il conserve une importance historique. De nombreuses anciennes distributions de logiciels et archives de données de l'ère MS-DOS utilisaient le format MTREE, ce qui le rend important pour la préservation et l'accès aux données héritées.
En conclusion, le format d'archive classique MTREE était une solution largement utilisée et efficace pour l'archivage et la distribution de fichiers à l'époque de MS-DOS. Sa structure arborescente, ses méthodes de compression efficaces et ses capacités d'accès aléatoire en ont fait un choix populaire pour la distribution de logiciels et le stockage de données. Bien que MTREE ne soit peut-être plus aussi répandu aujourd'hui, la compréhension de ses détails techniques reste précieuse pour travailler avec des archives héritées et apprécier l'évolution des techniques de compression et d'archivage de fichiers au fil du temps.
La compression de fichiers réduit la redondance afin que la même information prenne moins de bits. La limite supérieure de ce que vous pouvez faire est régie par la théorie de l'information : pour la compression sans perte, la limite est l'entropie de la source (voir le théorème de codage de source et son article original de 1948 « Une théorie mathématique de la communication »). Pour la compression avec perte, le compromis entre le débit et la qualité est capturé par la théorie du débit-distorsion.
La plupart des compresseurs ont deux étapes. Premièrement, un modèle prédit ou expose la structure des données. Deuxièmement, un codeur transforme ces prédictions en modèles de bits quasi optimaux. Une famille de modélisation classique est Lempel-Ziv : LZ77 (1977) et LZ78 (1978) détectent les sous-chaînes répétées et émettent des références au lieu d'octets bruts. Du côté du codage, le codage de Huffman (voir l'article original de 1952) attribue des codes plus courts aux symboles les plus probables. Le codage arithmétique et le codage par plage sont des alternatives plus fines qui se rapprochent de la limite de l'entropie, tandis que les systèmes de numération asymétriques (ANS) modernes permettent une compression similaire avec des implémentations rapides basées sur des tables.
DEFLATE (utilisé par gzip, zlib et ZIP) combine LZ77 avec le codage de Huffman. Ses spécifications sont publiques : DEFLATE RFC 1951, wrapper zlib RFC 1950, et format de fichier gzip RFC 1952. Gzip est conçu pour le streaming et explicitement ne tente pas de fournir un accès aléatoire. Les images PNG normalisent DEFLATE comme leur seule méthode de compression (avec une fenêtre maximale de 32 Kio), conformément à la spécification PNG « Méthode de compression 0… dégonfler/gonfler… au plus 32768 octets » et W3C/ISO PNG 2e édition.
Zstandard (zstd) : un compresseur polyvalent plus récent conçu pour des taux de compression élevés avec une décompression très rapide. Le format est documenté dans la RFC 8878 (également miroir HTML) et la spécification de référence sur GitHub. Comme gzip, la trame de base ne vise pas l'accès aléatoire. L'un des superpouvoirs de zstd réside dans les dictionnaires : de petits échantillons de votre corpus qui améliorent considérablement la compression sur de nombreux fichiers minuscules ou similaires (voir la documentation du dictionnaire python-zstandard et l'exemple pratique de Nigel Tao). Les implémentations acceptent à la fois les dictionnaires « non structurés » et « structurés » (discussion).
Brotli : optimisé pour le contenu Web (par exemple, les polices WOFF2, HTTP). Il mélange un dictionnaire statique avec un noyau d'entropie+LZ de type DEFLATE. La spécification est la RFC 7932, qui note également une fenêtre glissante de 2WBITS−16 avec WBITS dans [10, 24] (1 Kio−16 B jusqu'à 16 Mio−16 B) et qu'il ne tente pas d'accès aléatoire. Brotli surpasse souvent gzip sur le texte Web tout en décodant rapidement.
Conteneur ZIP : ZIP est une archive de fichiers qui peut stocker des entrées avec diverses méthodes de compression (deflate, store, zstd, etc.). La norme de facto est l'APPNOTE de PKWARE (voir le portail APPNOTE, une copie hébergée, et les aperçus de la LC Format de fichier ZIP (PKWARE) / ZIP 6.3.3).
LZ4 vise la vitesse brute avec des ratios modestes. Voir sa page de projet (« compression extrêmement rapide ») et son format de trame. Il est idéal pour les caches en mémoire, la télémétrie ou les chemins d'accès très sollicités où la décompression doit être proche de la vitesse de la RAM.
XZ / LZMA visent la densité (excellents ratios) avec une compression relativement lente. XZ est un conteneur ; le gros du travail est généralement effectué par LZMA/LZMA2 (modélisation de type LZ77 + codage par plage). Voir le format de fichier .xz, la spécification LZMA (Pavlov), et les notes du noyau Linux sur XZ Embedded. XZ surcompresse généralement gzip et rivalise souvent avec les codecs modernes à haut ratio, mais avec des temps d'encodage plus lents.
bzip2 applique la transformée de Burrows-Wheeler (BWT), move-to-front, RLE et le codage de Huffman. Il est généralement plus petit que gzip mais plus lent ; voir le manuel officiel et les pages de manuel (Linux).
La « taille de la fenêtre » est importante. Les références DEFLATE ne peuvent remonter que de 32 Kio (RFC 1951 et la limite de 32 Kio de PNG notée ici). La fenêtre de Brotli va d'environ 1 Kio à 16 Mio (RFC 7932). Zstd ajuste la fenêtre et la profondeur de recherche par niveau (RFC 8878). Les flux de base gzip/zstd/brotli sont conçus pour un décodage séquentiel ; les formats de base ne promettent pas d'accès aléatoire, bien que des conteneurs (par exemple, des index tar, un tramage en morceaux ou des index spécifiques au format) puissent l'ajouter.
Les formats ci-dessus sont sans perte : vous pouvez reconstruire les octets exacts. Les codecs multimédias sont souvent avec perte : ils suppriment les détails imperceptibles pour atteindre des débits binaires inférieurs. Dans les images, le JPEG classique (DCT, quantification, codage entropique) est normalisé dans ITU-T T.81 / ISO/IEC 10918-1. En audio, MP3 (MPEG-1 Layer III) et AAC (MPEG-2/4) reposent sur des modèles perceptuels et des transformées MDCT (voir ISO/IEC 11172-3, ISO/IEC 13818-7, et un aperçu de la MDCT ici). Avec et sans perte peuvent coexister (par exemple, PNG pour les ressources de l'interface utilisateur ; codecs Web pour les images/vidéo/audio).
Théorie : Shannon 1948 · Débit-distorsion · Codage : Huffman 1952 · Codage arithmétique · Codage par plage · ANS. Formats : DEFLATE · zlib · gzip · Zstandard · Brotli · Trame LZ4 · Format XZ. Pile BWT : Burrows–Wheeler (1994) · manuel bzip2. Médias : JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Conclusion : choisissez un compresseur qui correspond à vos données et à vos contraintes, mesurez sur des entrées réelles et n'oubliez pas les gains des dictionnaires et du tramage intelligent. Avec la bonne combinaison, vous pouvez obtenir des fichiers plus petits, des transferts plus rapides et des applications plus réactives, sans sacrifier la correction ou la portabilité.
La compression de fichiers est un processus qui réduit la taille d'un fichier ou de fichiers, généralement pour économiser de l'espace de stockage ou accélérer la transmission sur un réseau.
La compression de fichiers fonctionne en identifiant et en supprimant les redondances dans les données. Elle utilise des algorithmes pour encoder les données originales dans un espace plus petit.
Les deux types principaux de compression de fichiers sont la compression sans perte et la compression avec pertes. La compression sans perte permet de restaurer parfaitement le fichier original, tandis que la compression avec pertes permet une réduction de taille plus significative au détriment de la perte de qualité des données.
Un exemple populaire d'un outil de compression de fichiers est WinZip, qui prend en charge de multiples formats de compression dont ZIP et RAR.
Avec la compression sans perte, la qualité reste inchangée. Cependant, avec la compression avec pertes, il peut y avoir une diminution notable de la qualité car elle élimine les données moins importantes pour réduire de manière plus significative la taille du fichier.
Oui, la compression de fichiers est sûre en termes d'intégrité des données, surtout avec la compression sans perte. Cependant, comme tout fichier, les fichiers compressés peuvent être ciblés par des logiciels malveillants ou des virus, il est donc toujours important d'avoir un logiciel de sécurité de confiance en place.
Presque tous les types de fichiers peuvent être compressés, y compris les fichiers texte, images, audio, vidéo, et les fichiers logiciels. Cependant, le niveau de compression réalisable peut varier considérablement selon les types de fichiers.
Un fichier ZIP est un type de format de fichier qui utilise la compression sans perte pour réduire la taille d'un ou de plusieurs fichiers. Plusieurs fichiers dans un fichier ZIP sont effectivement regroupés en un seul fichier, ce qui facilite également le partage.
Techniquement, oui, bien que la réduction de taille supplémentaire puisse être minime voire contre-productive. Compresser un fichier déjà compressé peut parfois augmenter sa taille en raison des métadonnées ajoutées par l'algorithme de compression.
Pour décompresser un fichier, il vous faut généralement un outil de décompression ou de dézippage, comme WinZip ou 7-Zip. Ces outils peuvent extraire les fichiers originaux à partir du format compressé.