GNU TAR (टेप आर्काइव) फॉर्मेट यूनिक्स जैसे ऑपरेटिंग सिस्टम पर व्यापक रूप से इस्तेमाल किया जाने वाला एक फाइल आर्काइव और कंप्रेशन फॉर्मेट है। इसे मूल रूप से मैग्नेटिक टेप पर फाइलों का बैकअप लेने के लिए डिजाइन किया गया था, लेकिन अब आमतौर पर कुशल स्टोरेज और ट्रांसमिशन के लिए कई फाइलों को एक ही कंप्रेस्ड आर्काइव फाइल में इकट्ठा करने के लिए उपयोग किया जाता है। TAR फॉर्मेट फाइल एट्रिब्यूट, डायरेक्ट्री स्ट्रक्चर को संरक्षित करने की अनुमति देता है और विभिन्न कंप्रेशन एल्गोरिदम को सपोर्ट करता है।
एक TAR आर्काइव फाइल में फाइल हेडर रिकॉर्ड और फाइल डेटा ब्लॉक की एक श्रृंखला होती है। आर्काइव में प्रत्येक फाइल को एक हेडर रिकॉर्ड द्वारा दर्शाया जाता है जिसमें फाइल के बारे में मेटाडेटा होता है, उसके बाद फाइल डेटा होता है। हेडर रिकॉर्ड 512 बाइट्स का होता है और इसमें फाइल का नाम, फाइल मोड (अनुमतियाँ), स्वामी और समूह आईडी, फाइल का आकार, संशोधन समय और चेकसम जैसे फ़ील्ड होते हैं।
हेडर रिकॉर्ड में फाइल का नाम फ़ील्ड 100 वर्णों तक लंबा हो सकता है। यदि कोई फ़ाइल का नाम 100 वर्णों से अधिक है, तो इसे 'उपसर्ग' फ़ील्ड का उपयोग करके संग्रहीत किया जाता है, जो अतिरिक्त 155 बाइट्स का होता है। पूर्ण पथ बनाने के लिए उपसर्ग को फ़ाइल के नाम के साथ जोड़ा जाता है। फ़ाइल मोड फ़ील्ड में यूनिक्स फ़ाइल अनुमतियाँ और फ़ाइल प्रकार (नियमित फ़ाइल, निर्देशिका, प्रतीकात्मक लिंक, आदि) होते हैं।
हेडर रिकॉर्ड के बाद फ़ाइल डेटा होता है, जिसे सन्निहित 512-बाइट ब्लॉक में संग्रहीत किया जाता है। यदि फ़ाइल का आकार 512 बाइट्स का गुणक नहीं है, तो अंतिम ब्लॉक को नल बाइट्स से भरा जाता है। प्रत्येक फ़ाइल के डेटा ब्लॉक को आर्काइव में क्रमिक रूप से लिखा जाता है, जिसमें फ़ाइलों के बीच कोई विभाजक या सीमांकक नहीं होता है।
TAR आर्काइव नियमित फ़ाइलों और निर्देशिकाओं के अतिरिक्त कई प्रकार के हेडर रिकॉर्ड का समर्थन करते हैं। प्रतीकात्मक लिंक और हार्ड लिंक को विशेष हेडर रिकॉर्ड का उपयोग करके दर्शाया जाता है जो लक्ष्य फ़ाइल को संदर्भित करते हैं। डिवाइस फ़ाइलें, नामित पाइप और अन्य विशेष फ़ाइल प्रकार भी समर्थित हैं। विस्तारित विशेषताएँ और ACL को पैक्स इंटरचेंज फॉर्मेट हेडर का उपयोग करके संग्रहीत किया जा सकता है।
TAR फॉर्मेट की एक प्रमुख विशेषता लंबे फ़ाइल नामों और पथों के लिए इसका समर्थन है। TAR के शुरुआती संस्करण 100-वर्ण फ़ाइल नामों तक सीमित थे, लेकिन बाद के संस्करणों, जैसे कि व्यापक रूप से उपयोग किए जाने वाले USTAR (यूनिक्स स्टैंडर्ड TAR) फॉर्मेट ने इसे लंबे नामों का समर्थन करने के लिए विस्तारित किया। POSIX.1-2001 मानक ने एक नया एक्स्टेंसिबल फॉर्मेट पेश किया जो और भी लंबे फ़ाइल नामों और पथों के साथ-साथ अतिरिक्त मेटाडेटा फ़ील्ड की अनुमति देता है।
फ़ाइल के आकार को कम करने के लिए TAR आर्काइव के साथ आमतौर पर कंप्रेशन का उपयोग किया जाता है। सबसे लोकप्रिय कंप्रेशन विधियाँ gzip (.tar.gz या .tgz), bzip2 (.tar.bz2) और xz (.tar.xz) हैं। ये कंप्रेस्ड TAR आर्काइव पहले एक नियमित TAR आर्काइव बनाकर और फिर इसे चुने हुए कंप्रेशन एल्गोरिदम से कंप्रेस करके बनाए जाते हैं। कंप्रेस्ड TAR आर्काइव को निकालते समय, पहले कंप्रेशन को हटाया जाता है, और फिर नियमित TAR निष्कर्षण प्रक्रिया लागू की जाती है।
TAR फॉर्मेट में बिल्ट-इन त्रुटि का पता लगाने और पुनर्प्राप्ति तंत्र भी शामिल हैं। प्रत्येक हेडर रिकॉर्ड में एक चेकसम फ़ील्ड होता है जिसकी गणना तब की जाती है जब आर्काइव बनाया जाता ह ै। TAR आर्काइव से फ़ाइलें निकालते समय, डेटा अखंडता सुनिश्चित करने के लिए चेकसम को सत्यापित किया जाता है। यदि चेकसम बेमेल का पता चलता है, तो एक त्रुटि रिपोर्ट की जाती है, और निष्कर्षण या तो प्रभावित फ़ाइल को छोड़ सकता है या यथासंभव अधिक डेटा पुनर्प्राप्त करने का प्रयास कर सकता है।
मूल TAR फॉर्मेट के अतिरिक्त, उपयोग में कई भिन्नताएँ और एक्सटेंशन हैं। TAR का GNU संस्करण, जो लिनक्स वितरणों में व्यापक रूप से उपयोग किया जाता है, में मल्टी-वॉल्यूम आर्काइव, स्पार्स फ़ाइल समर्थन और वृद्धिशील बैकअप जैसी अतिरिक्त विशेषताएँ शामिल हैं। स्टार और पैक्स जैसे अन्य एक्सटेंशन बेहतर प्रदर्शन, गैर-यूनिक्स सिस्टम के साथ संगतता और विस्तारित मेटाडेटा के लिए समर्थन प्रदान करते हैं।
अपनी उम्र और सीमाओं के बावजूद, TAR फॉर्मेट विभिन्न प्लेटफॉर्म और टूल पर अपनी सादगी, पोर्टेबिलिटी और व्यापक समर्थन के कारण व्यापक रूप से उपयोग किया जाता है। यह कई उच्च-स्तरीय बैकअप और आर्काइविंग समाधानों की नींव के रूप में कार्य करता है, और अक्सर सॉफ़्टवेयर पैकेज और सोर्स कोड वितरित करने के लिए एक कंटेनर फॉर्मेट के रूप में उपयोग किया जाता है। जैसे-जैसे नई तकनीकें और स्टोरेज मीडिया उभरे हैं, TAR फॉर्मेट बदलती जरूरतों को पूरा करने के लिए अनुकूलित और विकसित हुआ है, आधुनिक कंप्यूटिंग वातावरण में इसकी निरंतर प्रासंगिकता सुनिश्चित करता है।
फ़ाइल कंप्रेशन রিডन्डेंसी को कम करता है ताकि वही जानकारी कम बिट्स ले। आप कितनी दूर जा सकते हैं इसकी ऊपरी सीमा सूचना सिद्धांत द्वारा नियंत्रित होती है: दोषरहित कंप्रेशन के लिए, सीमा स्रोत की एन्ट्रॉपी है (शैनन का स्रोत कोडिंग प्रमेय और उनका मूल 1948 का पेपर “संचार का एक गणितीय सिद्धांत”देखें)। दोषपूर्ण कंप्रेशन के लिए, दर और गुणवत्ता के बीच का ट्रेड-ऑफ दर-विरूपण सिद्धांत द्वारा कब्जा कर लिया गया है।
अधिकांश कंप्रेशर्स के दो चरण होते हैं। सबसे पहले, एक मॉडल डेटा में संरचना की भविष्यवाणी करता है या उजागर करता है। दूसरा, एक कोडर उन भविष्यवाणियों को लगभग-इष्टतम बिट पैटर्न में बदल देता है। एक क्लासिक मॉडलिंग परिवार लेम्पेल-ज़िव है: LZ77 (1977) और LZ78 (1978) बार-बार आने वाले सबस्ट्रिंग का पता लगाते हैं और कच्चे बाइट्स के बजाय संदर्भ उत्सर्जित करते हैं। कोडिंग पक्ष पर, हफमैन कोडिंग (मूल पेपर देखें 1952) अधिक संभावित प्रतीकों को छोटे कोड प्रदान करता है। अरिथमैटिक कोडिंग और रेंज कोडिंग बारीक-बारीक विकल्प हैं जो एन्ट्रॉपी सीमा के करीब निचोड़ते हैं, जबकि आधुनिक असममित अंक प्रणाली (ANS) तेज तालिका-चालित कार्यान्वयन के साथ समान कंप्रेशन प्राप्त करता है।
DEFLATE (gzip, zlib, और ZIP द्वारा उपयोग किया जाता है) LZ77 को हफमैन कोडिंग के साथ जोड़ता है। इसके स्पेक्स सार्वजनिक हैं: DEFLATE RFC 1951, zlib रैपर RFC 1950, और gzip फ़ाइल प्रारूप RFC 1952. Gzip स्ट्रीमिंग के लिए बनाया गया है और स्पष्ट रूप से यादृच्छिक पहुँच प्रदान करने का प्रयास नहीं करता है. PNG छवियां DEFLATE को अपनी एकमात्र कंप्रेशन विधि के रूप में मानकीकृत करती हैं (अधिकतम 32 KiB विंडो के साथ), PNG स्पेक के अनुसार “संपीड़न विधि 0… डिफ्लेट/इन्फ्लेट… अधिकतम 32768 बाइट्स” और W3C/ISO PNG दूसरा संस्करण.
Zstandard (zstd): एक नया सामान्य-उद्देश्य कंप्रेसर है जिसे बहुत तेज डीकंप्रेसन के साथ उच्च अनुपात के लिए डिज़ाइन किया गया है। प्रारूप RFC 8878 (यह भी HTML मिरर) और संदर्भ स्पेक GitHub परमें प्रलेखित है। Gzip की तरह, मूल फ्रेम यादृच्छिक पह ुँच का लक्ष्य नहीं रखता है. zstd की महाशक्तियों में से एक शब्दकोश है: आपके कॉर्पस से छोटे नमूने जो कई छोटी या समान फ़ाइलों पर संपीड़न में नाटकीय रूप से सुधार करते हैं (देखें python-zstandard शब्दकोश डॉक्स और निगेल ताओ का काम किया हुआ उदाहरण)। कार्यान्वयन “असंरचित” और “संरचित” दोनों शब्दकोशों को स्वीकार करते हैं (चर्चा).
Brotli: वेब सामग्री के लिए अनुकूलित (जैसे, WOFF2 फोंट, HTTP)। यह एक स्थिर शब्दकोश को एक DEFLATE-जैसे LZ+एन्ट्रॉपी कोर के साथ मिलाता है। स्पेक RFC 7932है, जो 2WBITS−16 की एक स्लाइडिंग विंडो को भी नोट करता है जिसमें WBITS [10, 24] (1 KiB−16 B से 16 MiB−16 B तक) में है और यह यादृच्छिक पहु ँच का प्रयास नहीं करता है. Brotli अक्सर वेब टेक्स्ट पर gzip को मात देता है जबकि जल्दी से डीकोड करता है।
ZIP कंटेनर: ZIP एक फ़ाइल संग्रह है जो विभिन्न संपीड़न विधियों (deflate, store, zstd, आदि) के साथ प्रविष्टियों को संग्रहीत कर सकता है। वास्तविक मानक PKWARE का APPNOTE है (देखें APPNOTE पोर्टल, एक होस्ट की गई प्रति, और LC अवलोकन ज़िप फ़ाइल प्रारूप (PKWARE) / ज़िप 6.3.3).
LZ4 मामूली अनुपात के साथ कच्ची गति को लक्षित करता है। इसकी परियोजना पृष्ठ (“अत्यंत तेज संपीड़न”) और फ्रेम प्रारूपदेखें। यह इन-मेमोरी कैश, टेलीमेट्री, या हॉट पाथ के लिए आदर्श है जहां डीकंप्रेसन को रैम की गति के करीब होना चाहिए।
XZ / LZMA अपेक्षाकृत धीमी संपीड़न के साथ घनत्व (महान अनुपात) के लिए धक्का देते हैं। XZ एक कंटेनर है; भारी उठाने का काम आमतौर पर LZMA/LZMA2 (LZ77-जैसा मॉडलिंग + रेंज कोडिंग) द्वारा किया जाता है। देखें .xz फ़ाइल प्रारूप, LZMA स्पेक (पावलोव), और लिनक्स कर्नेल नोट्स XZ एंबेडेड पर. XZ आमतौर पर gzip को आउट-कंप्रेस करता है और अक्सर उच्च-अनुपात वाले आधुनिक कोडेक्स के साथ प्रतिस्पर्धा करता है, लेकिन धीमी एन्कोड समय के साथ।
bzip2 बरोज़-व्हीलर ट्रांसफ़ॉर्म (BWT), मूव-टू-फ्रंट, RLE, और हफ़मैन कोडिंग लागू करता है। यह आमतौर पर gzip से छोटा लेकि न धीमा होता है; देखें आधिकारिक मैनुअल और मैन पेज (लिनक्स).
“विंडो का आकार” मायने रखता है। DEFLATE संदर्भ केवल 32 KiB पीछे देख सकते हैं (RFC 1951 और PNG की 32 KiB कैप यहाँ उल्लेख किया गया है)। ब्रोटली की विंडो लगभग 1 KiB से 16 MiB तक होती है (RFC 7932). Zstd स्तर के अनुसार विंडो और खोज गहराई को ट्यून करता है (RFC 8878). बेसिक gzip/zstd/brotli स्ट्रीम अनुक्रमिक डिकोडिंग के लिए डिज़ाइन किए गए हैं; आधार प्रारूप रैंडम एक्सेस का वादा नहीं करते हैं, हालांकि कंटेनर (जैसे, टार इंडेक्स, चंक्ड फ्रेमिंग, या प्रारूप- विशिष्ट इंडेक्स) इसे परत कर सकते हैं।
उपरोक्त प्रारूप दोषरहित हैं: आप सटीक बाइट्स का पुनर्निर्माण कर सकते हैं। मीडिया कोडेक्स अक्सर दोषपूर्ण होते हैं: वे कम बिटरेट हिट करने के लिए अगोचर विवरण को त्याग देते हैं। छवियों में, क्लासिक जेपीईजी (डीसीटी, क्वांटिज़ेशन, एन्ट्रॉपी कोडिंग) ITU-T T.81 / ISO/IEC 10918-1में मानकीकृत है। ऑडियो में, एमपी3 (MPEG-1 लेयर III) और एएसी (MPEG-2/4) अवधारणात्मक मॉडल और एमडीसीटी ट्रांसफ़ॉर्म पर निर्भर करते हैं (देखें ISO/IEC 11172-3, ISO/IEC 13818-7, और एक एमडीसीटी अवलोकन यहाँ)। दोषपूर्ण और दोषरहित सह-अस्तित्व में हो सकते हैं (जैसे, यूआई संपत्ति के लिए पीएनजी; छवियों/वीडियो/ ऑडियो के लिए वेब कोडेक्स)।
सिद्धांत: शैनन 1948 · दर-विरूपण · कोडिंग: हफमैन 1952 · अरिथमैटिक कोडिंग · रेंज कोडिंग · ANS. प्रारूप: DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 फ्रेम · XZ प्रारूप. BWT स्टैक: बरोज़-व्हीलर (1994) · bzip2 मैनुअल. मीडिया: जेपीईजी T.81 · एमपी3 ISO/IEC 11172-3 · एएसी ISO/IEC 13818-7 · एमडीसीटी.
निष्कर्ष: एक कंप्रेसर चुनें जो आपके डेटा और बाधाओं से मेल खाता हो, वास्तविक इनपुट पर मापें, और शब्दकोशों और स्मार्ट फ्रेमिंग से होने वाले लाभों को न भूलें। सही जोड़ी के साथ, आप प्राप्त कर सकते हैं छोटी फाइलें, तेज स्थानान्तरण, और तेज ऐप्स - शुद्धता या पोर्टेबिलिटी का त्याग किए बिना।
फ़ाइल संकुचन एक प्रक्रिया है जो फ़ाइल या फ़ाइलों का आकार घटाती है, आमतौर पर संग्रहण स्थान को बचाने या नेटवर्क पर संचार को तेज करने के लिए।
फ़ाइल संकुचन डाटा में रिडंडेंसी की पहचान और हटाने के द्वारा काम करता है। यह एल्गोरिदम का उप योग करके मूल डेटा को एक छोटे स्थान में कोड करता है।
फ़ाइल संकुचन के दो मुख्य प्रकार हैं - नुकसान रहित और नुकसानदायक संकुचन। नुकसान रहित संकुचन की अनुमति है कि मूल फ़ाइल को पूरी तरह से बहाल किया जा सके, जबकि नुकसानदायक संकुचन डेटा की गुणवत्ता में कुछ हानि की लागत पर अधिक आकार घटाव की अनुमति देता है।
फाइल संकुचन उपकरण का एक लोकप्रिय उदाहरण WinZip है, जो ZIP और RAR सहित कई संकुचन प्रारूपों का समर्थन करता है।
नुकसान रहित संकुचन के साथ, गुणवत्ता अपरिवर्तित रहती है। हालांकि, नुकसानदायक संकुचन के साथ, फ़ाइल का आकार अधिक ध्यान से घटाने के लिए कुछ कम महत्वपूर्ण ड ेटा को हटाने के कारण गुणवत्ता में ध्यान देने योग्य कमी हो सकती है।
हां, डेटा संरक्षण के संबंध में फ़ाइल संकुचन सुरक्षित है, खासकर नुकसान रहित संकुचन के साथ। हालांकि, किसी भी फ़ाइल की तरह, संकुचित फ़ाइलों को मैलवेयर या वायरस के लक्ष्य के रूप में लिया जा सकता है, इसलिए यह हमेशा महत्त्वपूर्ण होता है कि प्रमुख सुरक्षा सॉफ़्टवेयर स्थापित हो।
लगभग सभी प्रकार की फ़ाइलें संकुचित की जा सकती हैं, जिसमें पाठ फ़ाइलें, चित्र, ऑडियो, वीडियो, और सॉफ़्टवेयर फ़ाइलें शामिल हैं। हालांकि, प्राप्त करने योग्य संकुचन का स्तर फ़ाइल प्रकारों के बीच महत्वपूर्ण रूप से अलग हो सकता है।
ZIP फ़ाइल एक प्रकार की फ़ाइल प्रारूप है जो नुकसान रहित संकुचन का उपयोग करके एक या अधिक फ़ाइलों के आकार को घटाती है। ZIP फ़ाइल में अनेक फ़ाइलें प्रभावी रूप से एक ही फ़ाइल में संग्रहित की जाती हैं, जो साझा करना भी आसान बनाती है।
तकनीकी रूप से, हां, हालांकि अतिरिक्त आकार घटाव न्यूनतम हो सकता है या यहां तक कि प्रतिकूल हो सकता है। पहले से संकुचित फ़ाइल को संकुचित करना कभी-कभी इसका आकार बढ़ सकता है क्योंकि संकुचन एल्गोरिदम द्वारा जोड़ी गई मेटाडाटा।
फ़ाइल को डिकम्प्रेस करने के लिए, आपको आमतौर पर एक डिकम्प्रेसन या अनज़िपिंग उपकरण की आवश्यकता होती है, जैसे WinZip या 7-Zip। ये उपकरण संपीडित प्रारूप से मूल फ़ाइलों को निकाल सकते हैं।