Format arsip ar, kependekan dari format arsip Unix, adalah format file yang digunakan untuk mengumpulkan beberapa file ke dalam satu file untuk penyimpanan dan transmisi yang lebih mudah. Awalnya dikembangkan untuk sistem Unix tetapi sekarang didukung secara luas di berbagai platform. Format ar lebih sederhana dan lebih terbatas dibandingkan dengan format arsip dan kompresi yang lebih baru, tetapi tetap digunakan untuk aplikasi tertentu.
File arsip ar terdiri dari header global, diikuti oleh serangkaian header file dan data file. Header global adalah string ASCII sederhana yang mengidentifikasi file sebagai arsip ar. Ini terdiri dari karakter "!<arch>\n" di mana "\n" mewakili karakter baris baru. String ajaib ini memungkinkan utilitas untuk dengan mudah mengenali file arsip ar.
Mengikuti header global adalah entri file individual. Setiap entri file dimulai dengan header file yang berisi metadata tentang file tersebut. Header file memiliki ukuran tetap 60 byte dan mencakup bidang-bidang berikut: - Nama file (16 byte): Nama file, diisi dengan spasi jika lebih pendek dari 16 karakter. Jika namanya lebih panjang, itu akan dipotong dan karakter "/" yang mengikuti menunjukkan bahwa nama tersebut berlanjut di bagian data file. - Stempel waktu modifikasi (12 byte): Stempel waktu modifikasi terakhir file dalam format waktu Unix desimal, diisi dengan spasi. - ID Pemilik (6 byte): ID pengguna numerik dari pemilik file, dalam desimal, diisi dengan spasi. - ID Grup (6 byte): ID grup numerik dari grup file, dalam desimal, diisi dengan spasi. - Mode file (8 byte): Bit izin dan mode file, dalam oktal, diisi dengan spasi. - Ukuran file (10 byte): Ukuran data file dalam byte, dalam desimal, diisi dengan spasi. - Akhir header (2 byte): Karakter "`\n" yang menandai akhir header.
Setelah setiap header file, data file disimpan dalam arsip. Ukuran data sesuai dengan ukuran file yang ditentukan dalam header. Jika ukuran file ganjil, byte pengisi tambahan ditambahkan untuk memastikan header file berikutnya dimulai pada batas byte genap. Byte pengisi ini tidak dihitung dalam bidang ukuran file pada header.
Entri file khusus yang disebut tabel simbol juga dapat disertakan dalam arsip ar. Entri tabel simbol memiliki nama file yang dimulai dengan "/" atau "\" diikuti oleh serangkaian angka. Entri ini berisi metadata yang digunakan untuk menautkan file objek bersama-sama. Format data tabel simbol bervariasi antara sistem dan kompiler yang berbeda.
Arsip ar tidak menyertakan kompresi bawaan apa pun. File-file tersebut hanya digabungkan bersama dalam bentuk aslinya. Namun, file individual dalam arsip ar dapat dikompresi menggunakan algoritma lain seperti gzip sebelum ditambahkan ke arsip.
Format ar memiliki beberapa keterbatasan dibandingkan dengan format arsip yang lebih modern: - Nama file dibatasi hingga 16 karakter, yang dapat membatasi. - Bidang metadata numerik seperti ID pengguna, ID grup, dan ukuran file memiliki ukuran tetap, membatasi nilai maksimumnya. - Tidak ada checksum atau verifikasi integritas yang dibangun ke dalam format. - Tidak ada kompresi yang disediakan, menghasilkan ukuran arsip yang lebih besar dibandingkan dengan format seperti tar dengan gzip.
Terlepas dari keterbatasan ini, format ar tetap digunakan untuk beberapa aplikasi tertentu. Salah satu penggunaan umum adalah untuk file pustaka statis pada sistem mirip Unix. File pustaka ini dengan ekstensi ".a" adalah arsip ar yang berisi file objek terkompilasi yang dapat ditautkan ke dalam file yang dapat dieksekusi. Kesederhanaan dan dukungan luas format ar membuatnya cocok untuk tujuan ini.
Singkatnya, format arsip ar adalah cara sederhana untuk menggabungkan beberapa file menjadi satu file. Ini terdiri dari header global diikuti oleh serangkaian header file dan data file. Meskipun tidak memiliki fitur-fitur canggih seperti kompresi dan dukungan nama file yang panjang, format ini masih digunakan dalam domain tertentu seperti file pustaka statis pada sistem Unix karena kesederhanaan dan kompatibilitasnya.
Kompresi file mengurangi redundansi sehingga informasi yang sama membutuhkan lebih sedikit bit. Batas atasnya ditentukan oleh teori informasi: untuk kompresi lossless, batasnya adalah entropi sumber (lihat teorema pengkodean sumber Shannon source coding theorem dan makalah aslinya tahun 1948 “A Mathematical Theory of Communication”). Untuk kompresi lossy, kompromi antara laju bit dan kualitas dijelaskan oleh teori rate–distortion.
Sebagian besar kompresor memiliki dua tahap. Pertama, sebuah model memprediksi atau mengekspos struktur dalam data. Kedua, sebuah coder mengubah prediksi tersebut menjadi pola bit yang hampir optimal. Keluarga pemodelan klasik adalah Lempel–Ziv LZ77 (1977) dan LZ78 (1978) mendeteksi substring berulang lalu memancarkan referensi alih-alih byte mentah. Di sisi pengodean, pengodean Huffman (lihat makalah aslinya 1952) memberikan kode lebih pendek untuk simbol yang lebih mungkin. Pengodean aritmetika dan range coding lebih halus lagi dan mendekati batas entropi, sementara Asymmetric Numeral Systems (ANS) modern mencapai rasio serupa dengan implementasi berbasis tabel yang cepat.
DEFLATE (dipakai oleh gzip, zlib, dan ZIP) menggabungkan LZ77 dengan pengodean Huffman. Spesifikasinya bersifat publik: DEFLATE RFC 1951, pembungkus zlib RFC 1950, dan format file gzip RFC 1952. Gzip dibingkai untuk streaming dan tidak menyediakan akses acak. Gambar PNG menstandarkan DEFLATE sebagai satu-satunya metode kompresi (maksimal jendela 32 KiB) menurut spesifikasi PNG “Compression method 0… deflate/inflate… at most 32768 bytes” dan W3C/ISO PNG 2nd Edition.
Zstandard (zstd): kompresor serbaguna modern yang dirancang untuk rasio tinggi dengan dekompresi sangat cepat. Formatnya didokumentasikan dalam RFC 8878 (serta cermin HTML-nya) dan spesifikasi referensi di GitHub. Seperti gzip, frame dasar tidak menargetkan akses acak. Salah satu keunggulan zstd adalah kamus: sampel kecil dari korpus Anda yang membuat banyak file kecil atau serupa terkompresi jauh lebih baik (lihat dokumentasi kamus python-zstandard dan contoh karya Nigel Tao). Implementasi menerima kamus “unstructured” maupun “structured” (diskusi).
Brotli: dioptimalkan untuk konten web (mis. font WOFF2, HTTP). Ia memadukan kamus statis dengan inti LZ+entropi mirip DEFLATE. Spesifikasinya adalah RFC 7932, yang juga menyebut jendela geser 2WBITS−16 dengan WBITS [10, 24] (1 KiB−16 B hingga 16 MiB−16 B) dan bahwa ia tidak memberikan akses acak. Brotli sering mengalahkan gzip pada teks web sambil tetap cepat saat decoding.
Kontainer ZIP: ZIP adalah arsip file yang dapat menyimpan entri dengan berbagai metode kompresi (deflate, store, zstd, dll.). Standar de facto-nya adalah APPNOTE PKWARE (lihat portal APPNOTE, salinan yang di-host, serta ringkasan LC ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 menargetkan kecepatan mentah dengan rasio sedang. Lihat halaman proyeknya (“extremely fast compression”) dan format frame. Cocok untuk cache in-memory, telemetri, atau jalur panas yang memerlukan dekompresi hampir secepat RAM.
XZ / LZMA mengejar kerapatan tinggi dengan waktu kompres yang relatif lambat. XZ adalah kontainer; pekerjaan berat biasanya dilakukan LZMA/LZMA2 (pemodelan mirip LZ77 + range coding). Lihat format .xz, spesifikasi LZMA (Pavlov), dan catatan kernel Linux tentang XZ Embedded. XZ biasanya lebih kecil dari gzip dan sering bersaing dengan codec modern yang berorientasi rasio tinggi, walau waktu enkodenya lebih lama.
bzip2 menggunakan Transformasi Burrows–Wheeler (BWT), move-to-front, RLE, dan pengodean Huffman. Biasanya lebih kecil daripada gzip namun lebih lambat; lihat manual resminya dan halaman manual (Linux).
Ukuran “jendela” penting. Referensi DEFLATE hanya bisa melihat ke belakang 32 KiB (RFC 1951) serta batas 32 KiB di PNG yang disebutkan di sini. Brotli memiliki jendela sekitar 1 KiB hingga 16 MiB (RFC 7932). Zstd menyetel jendela dan kedalaman pencarian lewat level (RFC 8878). Stream dasar gzip/zstd/brotli didesain untuk decoding sekuensial; format dasarnya tidak menjanjikan akses acak, meskipun kontainer (mis. indeks tar, framing berchunk, atau indeks khusus format) bisa menambahkannya.
Format di atas bersifat lossless: Anda bisa merekonstruksi byte yang sama persis. Codec media sering lossy: mereka membuang detail yang tak terlihat untuk mencapai bitrate lebih rendah. Pada gambar, JPEG klasik (DCT, kuantisasi, pengodean entropi) distandardisasi dalam ITU-T T.81 / ISO/IEC 10918-1. Di audio, MP3 (MPEG-1 Layer III) dan AAC (MPEG-2/4) menggunakan model persepsi dan transformasi MDCT (lihat ISO/IEC 11172-3, ISO/IEC 13818-7, dan ringkasan MDCT di sini). Lossy dan lossless dapat berdampingan (mis. PNG untuk aset UI; codec web untuk gambar/video/audio).
Teori Shannon 1948 · Rate–distortion · Pengodean Huffman 1952 · Pengodean aritmetika · Range coding · ANS. Format DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · Format XZ. Tumpukan BWT Burrows–Wheeler (1994) · manual bzip2. Media JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Intinya: pilih kompresor yang cocok dengan data dan batasan Anda, ukur pada input nyata, dan jangan lupakan keuntungan dari kamus dan framing yang cerdas. Dengan pasangan yang tepat Anda mendapat file lebih kecil, transfer lebih cepat, dan aplikasi lebih responsif tanpa mengorbankan kebenaran atau portabilitas.
Kompresi file adalah proses yang mengurangi ukuran file atau beberapa file, biasanya untuk menyimpan ruang penyimpanan atau mempercepat transmisi melalui jaringan.
Kompresi file berfungsi dengan mengidentifikasi dan menghilangkan redundansi dalam data. Ia menggunakan algoritma untuk mengkodekan data asli dalam ruang yang lebih kecil.
Dua jenis utama kompresi file adalah kompresi tanpa kehilangan (lossless) dan kompresi dengan kehilangan (lossy). Kompresi lossless memungkinkan file asli untuk dipulihkan dengan sempurna, sedangkan kompresi lossy memungkinkan pengurangan ukuran yang lebih signifikan dengan biaya beberapa kehilangan kualitas data.
Contoh populer dari alat kompresi file adalah WinZip, yang mendukung beberapa format kompresi termasuk ZIP dan RAR.
Dengan kompresi tanpa kehilangan, kualitas tetap tidak berubah. Namun, dengan kompresi dengan kehilangan, dapat terjadi penurunan kualitas yang cukup terlihat karena menghilangkan data yang kurang penting untuk mengurangi ukuran file lebih signifikan.
Ya, kompresi file aman dari segi integritas data, terutama dengan kompresi tanpa kehilangan. Namun, seperti file lainnya, file yang dikompresi bisa menjadi target malware atau virus, jadi selalu penting untuk memiliki perangkat lunak keamanan yang terpercaya.
Hampir semua jenis file dapat dikompresi, termasuk file teks, gambar, audio, video, dan file perangkat lunak. Namun, level kompresi yang dapat dicapai bisa sangat bervariasi di antara jenis file.
File ZIP adalah jenis format file yang menggunakan kompresi tanpa kehilangan untuk mengurangi ukuran satu atau lebih file. Beberapa file dalam sebuah file ZIP efektif digabungkan menjadi satu file, yang juga memudahkan berbagi.
Secara teknis, ya, meskipun pengurangan ukuran tambahan mungkin minimal atau bahkan kontraproduktif. Melakukan kompresi pada file yang sudah dikompresi terkadang bisa meningkatkan ukurannya karena metadata yang ditambahkan oleh algoritma kompresi.
Untuk melakukan dekompresi file, biasanya Anda memerlukan alat dekompresi atau unzipping, seperti WinZip atau 7-Zip. Alat-alat ini dapat mengekstrak file asli dari format yang dikompresi.