Le format d'archive V7 est un format de fichier utilisé pour archiver et compresser des données. Il a été introduit en 1999 comme une amélioration par rapport au format V6 précédent. Les archives V7 offrent une compression efficace, un accès aléatoire rapide aux fichiers et prennent en charge les fichiers et les archives volumineux.
Une archive V7 se compose d'une série de blocs. Chaque bloc contient soit des données de fichier, soit des métadonnées d'archive. Les blocs sont de taille variable, avec une taille maximale de 4 Go. L'archive commence par un bloc d'en-tête qui contient des informations sur la version du format d'archive, le nombre de blocs et un répertoire des fichiers archivés.
Après l'en-tête se trouvent un ou plusieurs blocs de données de fichier. Chaque fichier est stocké dans une série contiguë de blocs de données. Les fichiers peuvent être compressés à l'aide de divers algorithmes de compression, tels que LZMA, BZip2 ou PPMd. La méthode de compression spécifique utilisée pour chaque fichier est spécifiée dans les métadonnées du fichier.
Entre les blocs de données de fichier sont intercalés des blocs de métadonnées qui contiennent des informations sur les fichiers archivés. Cela inclut le nom du fichier, les attributs, les horodatages, la méthode de compression et l'emplacement des blocs de données du fichier dans l'archive. Les métadonnées sont stockées dans un format binaire optimisé pour un accès aléatoire rapide.
Une caractéristique clé du format V7 est sa capacité à gérer efficacement les archives et les fichiers volumineux. Il utilise un schéma d'adressage 64 bits, ce qui lui permet de prendre en charge des archives et des fichiers d'une taille maximale de 16 exaoctets. La structure de bloc de taille variable permet également un accès aléatoire efficace aux fichiers individuels sans avoir besoin de décompresser l'archive entière.
Les archives V7 prennent en charge plusieurs méthodes de compression par fichier. Cela permet une flexibilité dans l'équilibre entre le taux de compression et la vitesse. Les algorithmes de compression disponibles incluent :
- LZMA : Un algorithme de compression élevée qui fournit d'excellents taux de compression mais qui est relativement lent. Idéal pour archiver des données qui ne seront pas fréquemment consultées.
- BZip2 : Un algorithme de compression à usage général avec un bon équilibre entre vitesse et taux de compression. Il se comprime plus lentement que LZMA mais se décompresse plus rapidement.
- PPMd : Un algorithme de compression statistique adaptatif qui peut atteindre des taux de compression très élevés pour certains types de données, en particulier le texte. Cependant, il a une utilisation élevée de la mémoire et des vitesses de compression plus lentes.
- Deflate : Un algorithme de compression largement utilisé qui fournit des vitesses de compression et de décompression rapides avec des taux de compression raisonnables. Il est basé sur le codage LZ77 et Huffman.
- Aucune compression : Les fichiers peuvent également être stockés non compressés si vous le souhaitez.
Les archives V7 incluent également des contrôles d'intégrité pour détecter la corruption des données. Chaque bloc inclut une somme de contrôle CRC-32 qui est vérifiée lors de la lecture du bloc. De plus, l'en-tête d'archive inclut un hachage SHA-256 de l'intégralité du contenu de l'archive pour la vérification de l'intégrité de l'archive entière.
Pour la résilience aux erreurs, les archives V7 peuvent éventuellement inclure des enregistrements de récupération. Ce sont des blocs spéciaux intercalés dans l'archive qui contiennent des copies redondantes des métadonnées de l'archive. Si un bloc de métadonnées est corrompu, il peut être reconstruit à partir d'un enregistrement de récupération à proximité, empêchant l'archive entière de devenir illisible en raison d'une erreur localisée.
Le format V7 prend également en charge le chiffrement au niveau de l'archive. L'archive entière peut être chiffrée à l'aide d'AES-256 en mode CBC. La clé de chiffrement est dérivée d'une phrase secrète fournie par l'utilisateur à l'aide d'une fonction de dérivation de clé (KDF). Lors du chiffrement, un sel aléatoire de 256 bits est généré et stocké dans l'en-tête d'archive pour une utilisation dans la KDF.
L'accès à une archive V7 chiffrée nécessite de fournir la phrase secrète correcte. La phrase secrète est exécutée via la KDF avec le sel de l'en-tête d'archive pour redériver la clé de chiffrement. Cette clé est ensuite utilisée pour déchiffrer le contenu de l'archive à la volée selon les besoins.
Les archives V7 peuvent être efficacement mises à jour en modifiant uniquement les parties pertinentes du fichier. L'ajout, la suppression ou la mise à jour de fichiers dans une archive implique la réécriture des blocs de données affectés et la mise à jour des métadonnées et des enregistrements de récupération selon les besoins. Le reste de l'archive reste inchangé, ce qui rend les mises à jour relativement rapides.
Le format V7 prend également en charge l'archivage solide. Avec l'archivage solide, plusieurs fichiers sont compressés ensemble en un seul bloc continu, ce qui permet de meilleurs taux de compression en tirant parti des similitudes entre les fichiers. Cependant, cela peut affecter les performances d'accès aléatoire et la possibilité de mettre à jour des fichiers individuels.
Plusieurs outils d'archivage populaires prennent en charge le format V7, notamment WinRAR, PowerArchiver et 7-Zip. Ces outils fournissent des interfaces graphiques pour créer, extraire et gérer des archives V7. De nombreux langages de programmation disposent également de bibliothèques disponibles pour travailler avec les archives V7 par programmation.
En résumé, le format d'archive V7 est un choix puissant et flexible pour archiver et compresser des données. Ses principales caractéristiques comprennent une compression efficace, un accès aléatoire rapide, la prise en charge de fichiers et d'archives volumineux, plusieurs algorithmes de compression, la vérification de l'intégrité, la résilience aux erreurs et le chiffrement. Ces capacités rendent V7 bien adapté à un large éventail de besoins d'archivage.
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.