Format Arsip Kemasan (PAX) adalah format file yang digunakan untuk mengarsipkan dan mengompres file dan direktori. Awalnya dikembangkan oleh Google dan didasarkan pada kombinasi teknik dari format ZIP dan tar. PAX bertujuan untuk menyediakan kompresi yang efisien, akses acak yang cepat ke file, dan ekstensibilitas untuk metadata khusus.
Pada intinya, arsip PAX terdiri dari direktori pusat yang berisi metadata tentang file yang diarsipkan, diikuti oleh data file terkompresi itu sendiri. Direktori pusat selalu terletak di akhir arsip untuk akses cepat tanpa perlu memindai seluruh file.
Setiap entri file dalam direktori pusat mencakup informasi seperti jalur file, ukuran, stempel waktu, checksum CRC32, dan metode kompresi yang digunakan. Jalur file disimpan sebagai string Unicode, yang memungkinkan dukungan untuk nama file non-ASCII. PAX menggunakan pengodean UTF-8 untuk jalur file.
Untuk kompresi, PAX mendukung beberapa algoritme termasuk DEFLATE, Brotli, dan Zstandard (zstd). DEFLATE adalah metode default, yang merupakan algoritme yang sama yang digunakan dalam ZIP dan gzip. Ini memberikan keseimbangan yang baik antara rasio kompresi dan kecepatan. Brotli dan Zstandard adalah algoritme yang lebih baru yang dapat menawarkan rasio kompresi yang lebih baik, terutama untuk jenis data tertentu seperti file teks, dengan mengorbankan kecepatan kompresi dan dekompresi yang lebih lambat.
Data file terkompresi dalam PAX disimpan dalam potongan, dengan setiap potongan memiliki ukuran maksimum yang tidak dikompresi sebesar 1 MB. Penyimpanan yang dipotong ini memungkinkan akses acak yang efisien ke file, karena hanya potongan yang diperlukan yang perlu ditemukan dan didekompresi untuk mengekstrak file tertentu, daripada memproses seluruh arsip.
Salah satu fitur utama PAX adalah dukungannya untuk kompresi solid. Dengan kompresi solid, arsip diperlakukan sebagai aliran data kontinu tunggal, bukan kumpulan file terpisah. Hal ini memungkinkan kompresor untuk menemukan redundansi dan pola di seluruh batas file, yang berpotensi menghasilkan rasio kompresi yang lebih tinggi. Namun, kompresi solid dapat memengaruhi kemampuan untuk mengakses file individual dengan cepat, karena seluruh arsip hingga file yang diinginkan mungkin perlu didekompresi.
PAX juga menyertakan pemeriksaan integritas untuk mendeteksi kerusakan data. Setiap entri file dalam direktori pusat menyertakan checksum CRC32 dari data file yang tidak dikompresi. Saat mengekstrak file, PAX menghitung checksum dari data yang didekompresi dan membandingkannya dengan checksum yang disimpan untuk memverifikasi integritas. Selain itu, arsip PAX dapat menyertakan tanda tangan digital opsional untuk memberikan otentikasi dan deteksi gangguan.
Untuk meningkatkan kinerja, PAX mendukung kompresi dan dekompresi multi-utas. File dapat dikompresi dan ditulis ke arsip secara paralel, menggunakan beberapa inti CPU. Demikian pula, selama ekstraksi, beberapa file dapat didekompresi secara bersamaan. Pemrosesan paralel ini dapat secara signifikan mempercepat operasi pengarsipan dan ekstraksi pada sistem multi-inti.
Arsip PAX juga dapat menyimpan metadata tambahan di luar atribut file standar. Metadata khusus dapat ditetapkan ke file dan direktori menggunakan pasangan nilai-kunci. Metadata ini disimpan di direktori pusat di samping entri file. Contoh metadata khusus dapat mencakup informasi penulis, kategori file, atau data khusus aplikasi.
Dukungan streaming adalah fitur lain dari PAX. Arsip dapat dibuat dan diekstrak dengan cara streaming, tanpa memerlukan seluruh arsip untuk dimuat ke dalam memori. Ini sangat berguna ketika berhadapan dengan arsip besar atau ketika bekerja dengan sumber daya memori yang terbatas. Streaming memungkinkan arsip dibuat dengan cepat atau diproses saat data diterima melalui koneksi jaringan.
Untuk kompatibilitas mundur dan interoperabilitas, arsip PAX dapat menyertakan arsip ZIP cadangan. Arsip ZIP ditambahkan ke akhir arsip PAX dan berisi file yang sama dalam format ZIP tradisional. Hal ini memungkinkan alat yang lebih lama yang tidak mendukung PAX untuk tetap mengekstrak file dari bagian ZIP arsip.
PAX telah mendapatkan popularitas karena efisiensinya, fleksibilitasnya, dan implementasi sumber terbukanya. Ini didukung oleh berbagai alat pengarsipan dan pustaka di berbagai platform. Implementasi referensi, yang disebut libpax, ditulis dalam C dan menyediakan API tingkat rendah untuk membuat dan mengekstrak arsip PAX.
Salah satu keterbatasan PAX adalah tidak mendukung enkripsi secara asli. Namun, enkripsi dapat dicapai dengan menggabungkan PAX dengan teknik enkripsi lain atau dengan menggunakan alat pihak ketiga yang dibangun di atas format PAX.
Singkatnya, PAX (Packed Archive Format) adalah format pengarsipan file yang serbaguna dan efisien yang menawarkan fitur-fitur seperti akses acak yang cepat, kompresi solid, pemrosesan paralel, metadata khusus, dan dukungan streaming. Kombinasi algoritme kompresi, penyimpanan yang dipotong, dan ekstensibilitas menjadikannya pilihan yang menarik untuk mengarsipkan dan mendistribusikan file.
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.