Il formato di archivio CPIO (Copy In and Out) è un formato di file utilizzato per archiviare ed estrarre file su sistemi operativi Unix e simili a Unix. È stato inizialmente sviluppato all'inizio degli anni '80 come parte del sistema operativo UNIX System V e da allora è diventato un formato standard per l'archiviazione e la distribuzione di file su varie piattaforme.
Il formato CPIO è progettato per essere semplice ed efficiente, consentendo la creazione di archivi contenenti più file e directory. Supporta sia formati di file binari che ASCII, rendendolo compatibile con un'ampia gamma di sistemi e applicazioni.
Un archivio CPIO è costituito da una serie di intestazioni di file seguite dai dati del file. Ogni intestazione di file contiene metadati sul file, come nome, dimensione, proprietà, autorizzazioni e ora di modifica. I dati del file vengono memorizzati immediatamente dopo l'intestazione e l'intestazione del file successivo segue i dati.
Il formato dell'intestazione CPIO si è evoluto nel tempo, con diverse versioni che supportano funzionalità e limitazioni diverse. I formati di intestazione più comuni sono il formato di intestazione binaria e il formato di intestazione ASCII, noto anche come formato di intestazione "nuovo".
Il formato di intestazione binaria utilizza una struttura di dimensioni fisse per memorizzare i metadati del file, con ciascun campo che occupa un numero specifico di byte. Questo formato è più compatto ed efficiente ma meno portabile su sistemi diversi a causa di potenziali problemi di endianness e allineamento.
Il formato di intestazione ASCII, introdotto in SVR4 (System V Release 4), utilizza una struttura a lunghezza variabile con campi codificati ASCII separati da nuove righe. Questo formato è più leggibile e portabile ma meno efficiente in termini di spazio ed elaborazione.
Per creare un archivio CPIO, viene utilizzato il comando "cpio" con l'opzione "-o" (output), seguita dal formato desiderato e dall'elenco dei file o directory da includere. Ad esempio, "cpio -o -H newc < file_list > archive.cpio" crea un archivio utilizzando il formato di intestazione ASCII, leggendo l'elenco dei file da "file_list" e scrivendo l'archivio in "archive.cpio".
Per estrarre file da un archivio CPIO, viene utilizzato il comando "cpio" con l'opzione "-i" (input), seguita dal formato desiderato e da eventuali opzioni aggiuntive. Ad esempio, "cpio -i -d < archive.cpio" estrae i file da "archive.cpio" e crea tutte le directory necessarie.
Gli archivi CPIO possono essere concatenati per creare archivi più grandi contenenti più set di file. Ciò è utile per distribuire pacchetti software o creare archivi di backup. Per concatenare gli archivi, basta aggiungere un archivio a un altro utilizzando un comando come "cat archive1.cpio archive2.cpio > combined.cpio".
Gli archivi CPIO possono anche essere compressi utilizzando vari algoritmi di compressione, come gzip, bzip2 o xz, per ridurne le dimensioni. Gli archivi compressi in genere hanno un'estensione di file che indica il metodo di compressione, come ".cpio.gz" per gli archivi compressi con gzip.
Uno dei vantaggi del formato CPIO è la sua capacità di preservare le autorizzazioni dei file, la proprietà e le timestamp, rendendolo adatto per la creazione di repliche esatte di gerarchie di file. Tuttavia, non supporta funzionalità come crittografia, controlli di integrità o archivi multi-volume, che sono disponibili in formati di archivio più avanzati come tar.
Nonostante la sua semplicità, il formato CPIO è stato ampiamente utilizzato negli ambienti Unix e Linux per decenni. Viene spesso utilizzato insieme ad altri strumenti, come "find" o "rpm", per creare pacchetti software, immagini initramfs o archivi di backup.
Negli ultimi anni, il formato CPIO è stato ampiamente sostituito da formati di archivio più moderni e ricchi di funzionalità, come tar e ZIP. Tuttavia, rimane una parte importante della storia di Unix ed è ancora utilizzato in determinati contesti, in particolare nei sistemi embedded e negli strumenti di sistema di basso livello.
Quando si lavora con archivi CPIO, è importante essere consapevoli dei potenziali rischi per la sicurezza associati ad archivi non attendibili. L'estrazione di file da un archivio può potenzialmente sovrascrivere file esistenti o creare file con autorizzazioni inaspettate, portando a vulnerabilità di sicurezza. Si consiglia di estrarre gli archivi in un ambiente sicuro e di esaminare attentamente il contenuto prima di utilizzarlo.
In conclusione, il formato di archivio CPIO è un metodo semplice ed efficiente per archiviare ed estrarre file su sistemi Unix e simili a Unix. Sebbene possa mancare alcune delle funzionalità avanzate dei moderni formati di archivio, rimane uno strumento utile in determinati contesti e una parte significativa della storia di Unix. Comprendere il formato CPIO e il suo utilizzo può essere prezioso per gli amministratori di sistema, gli sviluppatori e gli appassionati che lavorano con sistemi basati su Unix.
La compressione dei file riduce la ridondanza in modo che le stesse informazioni occupino meno bit. Il limite superiore di quanto si può andare è governato dalla teoria dell'informazione: per la compressione senza perdita, il limite è l'entropia della fonte (vedi il teorema della codifica di sorgente di Shannon e il suo articolo originale del 1948 “Una teoria matematica della comunicazione”). Per la compressione con perdita, il compromesso tra velocità e qualità è catturato dalla teoria tasso-distorsione.
La maggior parte dei compressori ha due fasi. In primo luogo, un modello predice o espone la struttura nei dati. In secondo luogo, un codificatore trasforma tali previsioni in modelli di bit quasi ottimali. Una famiglia di modellazione classica è Lempel-Ziv: LZ77 (1977) e LZ78 (1978) rilevano sottostringhe ripetute ed emettono riferimenti invece di byte grezzi. Sul lato della codifica, la codifica di Huffman (vedi l'articolo originale del 1952) assegna codici più brevi a simboli più probabili. La codifica aritmetica e la codifica a intervalli sono alternative a grana più fine che si avvicinano al limite dell'entropia, mentre i moderni Sistemi Numerici Asimmetrici (ANS) ottengono una compressione simile con implementazioni veloci basate su tabelle.
DEFLATE (usato da gzip, zlib e ZIP) combina LZ77 con la codifica di Huffman. Le sue specifiche sono pubbliche: DEFLATE RFC 1951, wrapper zlib RFC 1950, e formato file gzip RFC 1952. Gzip è strutturato per lo streaming ed esplicitamente non tenta di fornire accesso casuale. Le immagini PNG standardizzano DEFLATE come unico metodo di compressione (con una finestra massima di 32 KiB), secondo le specifiche PNG “Metodo di compressione 0… deflate/inflate… al massimo 32768 byte” e W3C/ISO PNG 2a Edizione.
Zstandard (zstd): un compressore generico più recente progettato per rapporti elevati con decompressione molto veloce. Il formato è documentato in RFC 8878 (anche mirror HTML) e nelle specifiche di riferimento su GitHub. Come gzip, il frame di base non mira all'accesso casuale. Uno dei superpoteri di zstd sono i dizionari: piccoli campioni dal tuo corpus che migliorano drasticamente la compressione su molti file piccoli o simili (vedi documenti del dizionario python-zstandard e l'esempio funzionante di Nigel Tao). Le implementazioni accettano dizionari sia “non strutturati” che “strutturati” (discussione).
Brotli: ottimizzato per i contenuti web (ad es. font WOFF2, HTTP). Mescola un dizionario statico con un core di entropia LZ+ simile a DEFLATE. La specifica è RFC 7932, che nota anche una finestra scorrevole di 2WBITS−16 con WBITS in [10, 24] (da 1 KiB−16 B a 16 MiB−16 B) e che non tenta l'accesso casuale. Brotli spesso batte gzip sul testo web decodificando rapidamente.
Contenitore ZIP: ZIP è un archivio di file che può memorizzare voci con vari metodi di compressione (deflate, store, zstd, ecc.). Lo standard de facto è l'APPNOTE di PKWARE (vedi portale APPNOTE, una copia ospitata, e panoramiche LC Formato file ZIP (PKWARE) / ZIP 6.3.3).
LZ4 punta alla velocità grezza con rapporti modesti. Vedi la sua pagina del progetto (“compressione estremamente veloce”) e il formato del frame. È ideale per cache in memoria, telemetria o percorsi caldi in cui la decompressione deve essere quasi alla velocità della RAM.
XZ / LZMA spingono per la densità (ottimi rapporti) con una compressione relativamente lenta. XZ è un contenitore; il lavoro pesante è tipicamente svolto da LZMA/LZMA2 (modellazione simile a LZ77 + codifica a intervalli). Vedi formato file .xz, la specifica LZMA (Pavlov), e le note del kernel Linux su XZ Embedded. XZ di solito comprime meglio di gzip e spesso compete con i moderni codec ad alto rapporto, ma con tempi di codifica più lenti.
bzip2 applica la Trasformata di Burrows-Wheeler (BWT), move-to-front, RLE e la codifica di Huffman. È tipicamente più piccolo di gzip ma più lento; vedi il manuale ufficiale e le pagine man (Linux).
La “dimensione della finestra” è importante. I riferimenti DEFLATE possono guardare indietro solo di 32 KiB (RFC 1951 e il limite di 32 KiB di PNG notato qui). La finestra di Brotli varia da circa 1 KiB a 16 MiB (RFC 7932). Zstd regola la finestra e la profondità di ricerca per livello (RFC 8878). I flussi di base gzip/zstd/brotli sono progettati per la decodifica sequenziale; i formati di base non promettono l'accesso casuale, sebbene i contenitori (ad es. indici tar, framing a blocchi o indici specifici del formato) possano stratificarlo.
I formati di cui sopra sono senza perdita: è possibile ricostruire i byte esatti. I codec multimediali sono spesso con perdita: scartano dettagli impercettibili per raggiungere bitrate più bassi. Nelle immagini, il JPEG classico (DCT, quantizzazione, codifica entropica) è standardizzato in ITU-T T.81 / ISO/IEC 10918-1. Nell'audio, MP3 (MPEG-1 Layer III) e AAC (MPEG-2/4) si basano su modelli percettivi e trasformate MDCT (vedi ISO/IEC 11172-3, ISO/IEC 13818-7, e una panoramica MDCT qui). Con perdita e senza perdita possono coesistere (ad es. PNG per le risorse dell'interfaccia utente; codec Web per immagini/video/audio).
Teoria: Shannon 1948 · Velocità-distorsione · Codifica: Huffman 1952 · Codifica aritmetica · Codifica a intervalli · ANS. Formati: DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · Formato XZ. Stack BWT: Burrows–Wheeler (1994) · manuale bzip2. Media: JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
In conclusione: scegli un compressore che si adatti ai tuoi dati e ai tuoi vincoli, misura su input reali e non dimenticare i vantaggi derivanti dai dizionari e dal framing intelligente. Con la giusta accoppiata, puoi ottenere file più piccoli, trasferimenti più veloci e app più scattanti, senza sacrificare la correttezza o la portabilità.
La compressione dei file è un processo che riduce le dimensioni di un file o di più file, tipicamente per risparmiare spazio di archiviazione o accelerare la trasmissione su una rete.
La compressione dei file funziona identificando e rimuovendo la ridondanza nei dati. Utilizza algoritmi per codificare i dati originali in uno spazio minore.
I due principali tipi di compressione dei file sono la compressione senza perdita e la compressione con perdita. La compressione senza perdita permette di ripristinare perfettamente il file originale, mentre la compressione con perdita consente una riduzione di dimensioni più significativa a costo di una certa perdita nella qualità dei dati.
Un esempio popolare di uno strumento di compressione dei file è WinZip, che supporta più formati di compressione tra cui ZIP e RAR.
Con la compressione senza perdita, la qualità rimane inalterata. Tuttavia, con la compressione con perdita, può esserci una diminuzione notevole della qualità perché elimina dati meno importanti per ridurre più significativamente la dimensione del file.
Sì, la compressione dei file è sicura in termini di integrità dei dati, specialmente con la compressione senza perdita. Tuttavia, come qualsiasi file, i file compressi possono essere presi di mira da malware o virus, quindi è sempre importante avere in atto un software di sicurezza affidabile.
Quasi tutti i tipi di file possono essere compressi, inclusi file di testo, immagini, audio, video e software. Tuttavia, il livello di compressione ottenibile può variare significativamente tra i tipi di file.
Un file ZIP è un tipo di formato di file che utilizza la compressione senza perdita per ridurre le dimensioni di uno o più file. Più file in un file ZIP sono effettivamente raggruppati insieme in un unico file, il che facilita anche la condivisione.
Tecnicamente, sì, anche se la riduzione aggiuntiva delle dimensioni potrebbe essere minima o addirittura controproducente. Comprimere un file già compresso potrebbe a volte aumentare le sue dimensioni a causa dei metadati aggiunti dall'algoritmo di compressione.
Per decomprimere un file, di solito ti serve uno strumento di decompressione o di estrazione, come WinZip o 7-Zip. Questi strumenti possono estrarre i file originali dal formato compresso.