L'ISO 9660 è uno standard di file system pubblicato nel 1988 per i supporti di dischi ottici. È stato sviluppato dall'Organizzazione internazionale per la normazione (ISO) e dalla Commissione elettrotecnica internazionale (IEC) per definire un file system standard per i CD-ROM. L'obiettivo era garantire l'interoperabilità dei dischi di dati tra diverse piattaforme e sistemi operativi.
Un disco ISO 9660 contiene dati in una struttura ad albero gerarchica di directory e file, simile ad altri file system. La directory più alta è nota come directory radice. Le directory e i file sono referenziati utilizzando un percorso che inizia dalla radice. Ogni directory, inclusa la radice, contiene un set di voci di directory che forniscono metadati sui file e sulle sottodirectory al suo interno.
L'ISO 9660 definisce diversi aspetti chiave e limitazioni della struttura del file system:
- I nomi dei file possono avere una lunghezza massima di 8 caratteri con un'estensione di 3 caratteri, separati da un punto. I nomi dei file devono essere composti da lettere maiuscole da A a Z, cifre da 0 a 9 e trattini bassi. La lunghezza del nome del file e le restrizioni sui caratteri aiutano a garantire un'ampia compatibilità.
- I nomi delle directory sono analogamente limitati a 8 caratteri maiuscoli più il trattino basso. I nomi delle directory sono inoltre limitati a 8 livelli di profondità.
- La lunghezza del percorso completo per qualsiasi file o directory è limitata a 255 caratteri. I separatori di percorso utilizzano la barra (/).
Un disco ISO 9660 inizia con 16 settori di area di sistema, seguiti da un massimo di 2048 settori di descrittori di volume. I descrittori di volume forniscono informazioni sulla struttura e sui contenuti del disco, incluso il descrittore del volume primario che contiene metadati chiave.
Il descrittore del volume primario appare nel settore 16 e contiene informazioni come il nome del volume del disco, l'identificatore dell'editore, il preparatore dei dati, il copyright, l'abstract e le date di creazione/modifica/scadenza del volume. Specifica inoltre le dimensioni e la posizione della tabella dei percorsi, la posizione della directory radice e il riferimento ai descrittori di volume supplementari.
I dischi ISO 9660 utilizzano tabelle dei percorsi per ottimizzare la navigazione e le ricerche nelle directory. Le tabelle dei percorsi forniscono un indice della gerarchia delle directory, con tabelle separate per le directory che utilizzano nomi minuscoli (tabella dei percorsi di tipo L) e directory che utilizzano nomi maiuscoli e caratteri speciali (tabella dei percorsi di tipo M). La tabella dei percorsi di tipo L è facoltativa ma viene utilizzata sulla maggior parte dei dischi.
Ogni voce della tabella dei percorsi contiene la posizione del record della directory, il numero di livelli di directory dalla radice e il nome della directory. Ciò consente un attraversamento efficiente dell'albero delle directory senza dover analizzare le directory settore per settore.
I file e le directory su un disco ISO 9660 sono referenziati tramite voci di record di directory all'interno di ciascuna directory. Un record di directory include campi di metadati per:
- Lunghezza del record della directory - Lunghezza del record degli attributi estesi - Posizione dell'estensione del file/directory (offset del settore) - Lunghezza dei dati del file/directory - Data e ora di registrazione - Flag del file (ad esempio: nascosto, directory, file associato) - Dimensione dell'unità file per file interlacciati - Dimensione dell'interleave gap per file interlacciati - Numero di sequenza del volume - Lunghezza dell'identificatore del file (nome del file) - Nome del file
L'ISO 9660 definisce un file system virtuale in cui tutti i dati vengono masterizzati su un supporto di sola lettura. Pertanto, lo standard non include disposizioni per la modifica di un disco ISO 9660 esistente: il disco viene sempre trattato come di sola lettura. Se sono necessarie modifiche, è necessario generare una nuova immagine del disco con i file e le directory aggiornati.
Sebbene l'ISO 9660 sia stato progettato per supporti ottici, le immagini del disco che utilizzano lo standard possono essere accessibili anche da altri supporti come i dischi rigidi. Molti sistemi operativi consentono di montare un file immagine del disco ISO 9660 come un'unità virtuale di sola lettura o di accedere ai contenuti dell'immagine del disco tramite driver speciali del file system.
Le estensioni successive all'ISO 9660 hanno ampliato le sue capacità mantenendo la compatibilità con le versioni precedenti:
- Estensioni Rock Ridge: consentono di archiviare la semantica e le informazioni del file system Unix su dischi ISO 9660. Abilita nomi di file più lunghi, strutture di directory più profonde e attributi di file aggiuntivi.
- Estensioni Joliet: specificate da Microsoft per consentire nomi di file Unicode lunghi fino a 64 caratteri. I nomi dei file Joliet possono utilizzare un'ampia gamma di caratteri e sono archiviati in formato UTF-16.
- El Torito: consente a un disco di essere avviabile fornendo una specifica per CD-ROM avviabili, che possono includere codice di avvio e immagini di disco avviabili.
Sebbene i dischi ottici abbiano perso popolarità rispetto al loro picco, l'ISO 9660 rimane uno standard significativo per lo scambio di dati su supporti di sola lettura. Il suo design ha promosso l'interoperabilità tra le piattaforme di elaborazione pur lavorando all'interno dei vincoli della memorizzazione ottica. Comprendere il formato ISO 9660 è prezioso per coloro che lavorano con archivi CD/DVD, immagini di dischi e componenti interni del sistema operativo.
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.