MTREE è un classico formato di file di archivio comunemente utilizzato nell'era MS-DOS per distribuire software e dati. È stato sviluppato da Microsoft e ha guadagnato popolarità grazie alla sua compressione efficiente e alle elevate velocità di decompressione sull'hardware dell'epoca. Il formato MTREE è una struttura di archivio basata su albero che consente l'organizzazione gerarchica di file e directory.
Un archivio MTREE è costituito da un'intestazione seguita da una serie di nodi che rappresentano i file e le directory archiviati nell'archivio. L'intestazione contiene metadati sull'archivio, tra cui la firma MTREE (in genere "MTRE"), il numero di versione, il metodo di compressione e altri flag. I nodi sono organizzati in una struttura ad albero, con ciascun nodo che rappresenta un file o una directory.
Ciascun nodo nell'archivio MTREE contiene informazioni come il tipo di nodo (file o directory), gli attributi del file (ad esempio, dimensione, timestamp), il metodo di compressione (se applicabile) e i dati compressi o non compressi del file. Le directory sono rappresentate come nodi speciali che contengono riferimenti ai loro nodi figlio, consentendo la struttura gerarchica dell'archivio.
MTREE supporta vari metodi di compressione, i più comuni sono LZSS (Lempel-Ziv-Storer-Szymanski) e DEFLATE. LZSS è un algoritmo di compressione basato su dizionario che utilizza una finestra scorrevole per trovare e sostituire modelli ripetuti nei dati. Offre una decompressione rapida e rapporti di compressione ragionevoli. DEFLATE, d'altra parte, è una combinazione di LZ77 e codifica Huffman, che fornisce rapporti di compressione migliori ma una decompressione leggermente più lenta rispetto a LZSS.
Una delle caratteristiche principali di MTREE è la sua capacità di accedere in modo efficiente ai singoli file all'interno dell'archivio senza la necessità di decomprimere l'intero archivio. Ciò si ottiene tramite l'uso di una tabella di allocazione file (FAT) che mappa la struttura logica dell'archivio agli offset fisici dei nodi. La FAT consente una rapida ricerca e il recupero di file specifici, rendendo MTREE adatto a scenari in cui è richiesto l'accesso casuale ai file.
Per creare un archivio MTREE, i file e le directory vengono prima organizzati nella gerarchia desiderata. Ciascun file viene compresso utilizzando il metodo di compressione scelto e i dati compressi vengono archiviati nel nodo file corrispondente. Le directory sono rappresentate come nodi con riferimenti ai loro nodi figlio. Viene quindi generata la FAT, che mappa la struttura logica agli offset fisici all'interno dell'archivio.
L'estrazione di file da un archivio MTREE implica l'attraversamento della struttura ad albero e la localizzazione dei nodi file desiderati. La FAT viene utilizzata per individuare rapidamente l'offset fisico dei dati del file all'interno dell'archivio. I dati compressi vengono quindi decompressi utilizzando l'algoritmo di decompressione appropriato in base al metodo di compressione specificato nel nodo.
Gli archivi MTREE possono anche supportare funzionalità aggiuntive come protezione con password, crittografia e firme digitali. La protezione con password consente di limitare l'accesso al contenuto dell'archivio, mentre la crittografia fornisce un ulteriore livello di sicurezza crittografando i dati del file. Le firme digitali possono essere utilizzate per verificare l'integrità e l'autenticità dell'archivio.
Sebbene MTREE sia considerato un formato di archivio classico ed è stato ampiamente sostituito da formati più moderni come ZIP e RAR, ha ancora un significato storico. Molte vecchie distribuzioni software e archivi di dati dell'era MS-DOS utilizzavano il formato MTREE, rendendolo importante per la conservazione e l'accesso ai dati legacy.
In conclusione, il classico formato di archivio MTREE era una soluzione ampiamente utilizzata ed efficiente per l'archiviazione e la distribuzione di file nell'era MS-DOS. La sua struttura basata su albero, i metodi di compressione efficienti e le capacità di accesso casuale lo hanno reso una scelta popolare per la distribuzione di software e l'archiviazione dei dati. Sebbene MTREE possa non essere così diffuso oggi, comprendere i suoi dettagli tecnici rimane prezioso per lavorare con archivi legacy e apprezzare l'evoluzione delle tecniche di compressione e archiviazione dei file nel tempo.
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.