Il formato di archivio Programmable Web Binary (PWB) è un formato di file utilizzato per il packaging, la compressione e la distribuzione efficienti di codice e risorse di applicazioni basate sul Web. È stato sviluppato per affrontare la crescente complessità e dimensione delle moderne app Web che utilizzano numerosi file di asset JavaScript, CSS, HTML, immagini e altri. Il formato PWB consente di raggruppare questi file in un singolo archivio binario, riducendo i requisiti di archiviazione e consentendo una trasmissione più rapida sulle reti.
Nel suo nucleo, un archivio PWB è costituito da un'intestazione di file seguita da una serie di voci di file. Ogni voce di file contiene metadati su un singolo file archiviato nell'archivio, come il suo nome, la dimensione compressa e non compressa e il checksum CRC32 per la verifica dell'integrità dei dati. I dati del file effettivi vengono archiviati dopo i metadati e vengono compressi utilizzando l'algoritmo Deflate, che è una combinazione di codifica LZ77 e Huffman.
L'intestazione PWB inizia con un numero magico di 4 byte (0x50574221) per identificare il file come un archivio PWB. Dopo il numero magico c'è un numero di versione di 2 byte che indica la versione del formato PWB. La versione corrente è 1.0. Dopo la versione, ci sono 4 byte riservati per un uso futuro, seguiti da un numero intero di 8 byte che rappresenta il numero totale di voci di file nell'archivio.
Ogni voce di file nell'archivio PWB inizia con un numero intero di 4 byte che specifica la lunghezza dei metadati del file. I metadati vengono archiviati come un oggetto JSON e includono proprietà come il nome del file, il tipo MIME, le timestamp e se è compresso. Dopo la lunghezza dei metadati c'è l'effettiva stringa di metadati codificata in JSON.
Dopo i metadati, vengono archiviati i dati del file compresso. I dati sono preceduti da un numero intero di 8 byte che indica la dimensione compressa dei dati, seguito da un altro numero intero di 8 byte per la dimensione non compressa. I dati vengono quindi codificati utilizzando l'algoritmo di compressione Deflate, che può ridurre significativamente le dimensioni degli asset basati su testo come file JavaScript, CSS e HTML.
Uno dei principali vantaggi del formato PWB è la sua capacità di archiviare e comprimere in modo efficiente gli asset delle applicazioni Web. Utilizzando la compressione Deflate, gli archivi PWB possono raggiungere elevati rapporti di compressione per i file basati su testo, che costituiscono una larga parte degli asset delle app Web. Ciò riduce i requisiti di archiviazione e accelera i trasferimenti di file, poiché è necessario trasmettere meno dati sulla rete.
Un altro vantaggio di PWB è il suo supporto per l'accesso casuale ai singoli file all'interno dell'archivio. Poiché i metadati di ciascun file includono il suo offset e le sue dimensioni all'interno dell'archivio, i file possono essere rapidamente individuati ed estratti senza dover decomprimere l'intero archivio. Ciò è particolarmente utile per le grandi app Web con molti asset, poiché consente il caricamento efficiente di risorse specifiche su richiesta.
Per creare un archivio PWB, gli sviluppatori possono utilizzare strumenti come PWB Packager, disponibile come utility da riga di comando e come libreria per l'uso programmatico. PWB Packager prende come input una directory di file di app Web e genera un archivio PWB contenente tutti i file e i loro metadati. Gli sviluppatori possono anche specificare opzioni di configurazione, come l'esclusione di determinati file o directory, l'impostazione di tipi MIME personalizzati e la regolazione dei livelli di compressione.
Quando un'app Web confezionata come archivio PWB viene distribuita, il server che ospita l'app può utilizzare PWB Converter per estrarre e servire i singoli file secondo necessità. PWB Converter è uno strumento lato server che estrae in modo efficiente i file dagli archivi PWB e li memorizza nella cache in memoria o su disco per le richieste successive. Ciò consente al server di rispondere rapidamente alle richieste del client per risorse specifiche dell'app senza dover estrarre l'intero archivio ogni volta.
Il formato PWB supporta anche la firma digitale degli archivi per garantire la loro integrità e autenticità. Gli sviluppatori possono includere una firma digitale nell'intestazione PWB, che può essere verificata dal server o dal client per confermare che l'archivio non è stato manomesso e proviene da una fonte attendibile. Ciò aiuta a prevenire modifiche non autorizzate del codice e delle risorse dell'app Web, migliorando la sicurezza.
In sintesi, il formato di archivio PWB è un potente strumento per il packaging, la compressione e la distribuzione efficienti degli asset delle applicazioni Web. Combinando più file in un singolo archivio con metadati e compressione, PWB riduce i requisiti di archiviazione, accelera i trasferimenti di file e consente l'accesso casuale alle singole risorse. Man mano che le app Web continuano a crescere in termini di dimensioni e complessità, il formato PWB aiuta gli sviluppatori a ottimizzare le proprie app per tempi di caricamento più rapidi e prestazioni migliorate.
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.