Le format d'archive .tar.gz, également connu sous le nom de tarball ou d'archive tar compressée, est un format de fichier couramment utilisé pour empaqueter et compresser des fichiers et des répertoires ensemble dans un seul fichier pour un stockage et une transmission pratiques. Il combine le format tar (Tape Archive) pour regrouper des fichiers et des répertoires avec la compression gzip pour réduire la taille globale du fichier. Le format .tar.gz est largement utilisé dans les systèmes d'exploitation de type Unix et est pris en charge par divers outils et utilitaires d'archivage.
Le format tar lui-même est une concaténation d'enregistrements de fichiers et de répertoires. Chaque enregistrement contient des métadonnées sur un fichier ou un répertoire, telles que son nom, sa taille, ses autorisations, sa propriété et ses horodatages de modification. Les données réelles du fichier sont stockées après les métadonnées dans l'archive. Les archives Tar peuvent préserver la structure des répertoires, les liens symboliques et d'autres types de fichiers spéciaux.
Pour créer une archive tar, l'utilitaire tar est utilisé. Il parcourt récursivement le répertoire ou la liste de fichiers spécifiés et génère un seul fichier tar contenant tous les fichiers et répertoires. Le fichier tar résultant a une extension .tar. La commande tar prend en charge diverses options pour contrôler le processus de création d'archive, telles que la spécification du nom du fichier de sortie, l'exclusion de certains fichiers ou répertoires, la préservation des autorisations et de la propriété, et la gestion des liens symboliques.
Bien que le format tar soit utile pour regrouper des fichiers, il ne fournit aucune compression par lui-même. C'est là que gzip entre en jeu. Gzip est un algorithme de compression populaire qui utilise le codage Lempel-Ziv (LZ77) pour compresser les données efficacement. Il analyse les données d'entrée et remplace les séquences répétées par des références à des occurrences antérieures, réduisant ainsi la taille globale des données.
Pour créer une archive .tar.gz, l'utilitaire tar est utilisé en combinaison avec l'utilitaire gzip. Tout d'abord, l'utilitaire tar crée une archive tar comme décrit précédemment. Ensuite, le fichier tar résultant est transmis via l'utilitaire gzip, qui compresse le fichier tar à l'aide de l'algorithme gzip. La sortie compressée reçoit généralement une extension .gz, ce qui donne un fichier .tar.gz.
Le niveau de compression de gzip peut être ajusté à l'aide d'options de ligne de commande. Par défaut, gzip utilise un niveau de compression de 6, ce qui offre un bon équilibre entre le taux de compression et la vitesse. Des niveaux de compression plus élevés (jusqu'à 9) peuvent entraîner des tailles de fichiers plus petites, mais peuvent prendre plus de temps à compresser. Des niveaux de compression plus faibles (jusqu'à 1) donnent la priorité à la vitesse par rapport au taux de compression.
Pour extraire des fichiers d'une archive .tar.gz, le processus est inversé. L'archive est d'abord décompressée à l'aide de l'utilitaire gzip, qui restaure le fichier tar d'origine. Ensuite, l'utilitaire tar est utilisé pour extraire les fichiers et les répertoires de l'archive tar. La commande tar prend en charge des options pour spécifier l'emplacement d'extraction, préserver les autorisations et la propriété, et gérer les liens symboliques.
L'un des avantages du format .tar.gz est sa compatibilité sur différentes plates-formes. Les utilitaires Tar et gzip sont largement disponibles sur les systèmes de type Unix, et de nombreux autres systèmes d'exploitation fournissent des outils pour gérer les fichiers .tar.gz. Cela permet de créer facilement des archives sur un système et de les extraire sur un autre, quelle que soit l'architecture ou le système d'exploitation sous-jacent.
En plus des utilitaires en ligne de commande, divers outils graphiques et programmes de compression de fichiers prennent en charge le format .tar.gz. Ces outils fournissent souvent des interfaces conviviales pour créer, extraire et gérer des archives .tar.gz, les rendant accessibles aux utilisateurs qui préfèrent les interfaces graphiques.
Le format .tar.gz présente certaines limites et considérations. Il ne fournit pas de cryptage intégré ni de protection par mot de passe pour les fichiers archivés. Si la sécurité est une préoccupation, des techniques ou des outils de cryptage supplémentaires doivent être utilisés conjointement avec .tar.gz. De plus, le taux de compression obtenu par gzip peut varier en fonction du type de données compressées. Les fichiers texte et les fichiers avec des motifs répétitifs ont tendance à bien se compresser, tandis que les fichiers déjà compressés (par exemple, les images, les vidéos) peuvent ne pas bénéficier de manière significative d'une compression gzip supplémentaire.
Malgré ces limitations, le format .tar.gz reste largement utilisé en raison de sa simplicité, de sa compatibilité et de son efficacité dans l'emballage et la compression de fichiers. Il est couramment utilisé pour distribuer du code source, des progiciels, des archives de sauvegarde et transférer de grandes collections de fichiers sur des réseaux ou des supports de stockage.
En résumé, le format d'archive .tar.gz combine le format tar pour regrouper des fichiers et des répertoires avec la compression gzip pour créer un fichier d'archive compressé. Il offre un moyen pratique et efficace d'empaqueter et de compresser des fichiers pour le stockage et la transmission, tout en maintenant la compatibilité entre différents systèmes. Comprendre le format .tar.gz et ses outils associés est précieux pour gérer et distribuer des fichiers dans divers environnements informatiques.
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.