Il formato di archivio .tar.gz, noto anche come tarball o archivio tar compresso con gzip, è un formato di file comunemente utilizzato per impacchettare e comprimere file e directory insieme in un singolo file per una comoda archiviazione e trasmissione. Combina il formato tar (Tape Archive) per raggruppare file e directory con la compressione gzip per ridurre le dimensioni complessive del file. Il formato .tar.gz è ampiamente utilizzato nei sistemi operativi di tipo Unix ed è supportato da vari strumenti e utilità di archiviazione.
Il formato tar stesso è una concatenazione di record di file e directory. Ogni record contiene metadati su un file o una directory, come nome, dimensione, autorizzazioni, proprietà e timestamp di modifica. I dati del file effettivi vengono archiviati dopo i metadati nell'archivio. Gli archivi tar possono preservare la struttura delle directory, i collegamenti simbolici e altri tipi di file speciali.
Per creare un archivio tar, viene utilizzata l'utilità tar. Attraversa ricorsivamente la directory o l'elenco di file specificato e genera un singolo file tar contenente tutti i file e le directory. Il file tar risultante ha un'estensione .tar. Il comando tar supporta varie opzioni per controllare il processo di creazione dell'archivio, come la specifica del nome del file di output, l'esclusione di determinati file o directory, la conservazione delle autorizzazioni e della proprietà e la gestione dei collegamenti simbolici.
Sebbene il formato tar sia utile per raggruppare i file insieme, non fornisce alcuna compressione da solo. È qui che entra in gioco gzip. Gzip è un popolare algoritmo di compressione che utilizza la codifica Lempel-Ziv (LZ77) per comprimere i dati in modo efficiente. Analizza i dati di input e sostituisce le sequenze ripetute con riferimenti a occorrenze precedenti, riducendo la dimensione complessiva dei dati.
Per creare un archivio .tar.gz, l'utilità tar viene utilizzata in combinazione con l'utilità gzip. Innanzitutto, l'utilità tar crea un archivio tar come descritto in precedenza. Quindi, il file tar risultante viene passato attraverso l'utilità gzip, che comprime il file tar utilizzando l'algoritmo gzip. All'output compresso viene in genere assegnata un'estensione .gz, con conseguente file .tar.gz.
Il livello di compressione di gzip può essere regolato utilizzando le opzioni della riga di comando. Per impostazione predefinita, gzip utilizza un livello di compressione di 6, che fornisce un buon equilibrio tra rapporto di compressione e velocità. Livelli di compressione più elevati (fino a 9) possono comportare dimensioni di file più piccole ma potrebbero richiedere più tempo per la compressione. Livelli di compressione inferiori (fino a 1) danno priorità alla velocità rispetto al rapporto di compressione.
Per estrarre file da un archivio .tar.gz, il processo viene invertito. L'archivio viene prima decompresso utilizzando l'utilità gzip, che ripristina il file tar originale. Quindi, l'utilità tar viene utilizzata per estrarre i file e le directory dall'archivio tar. Il comando tar supporta opzioni per specificare la posizione di estrazione, preservare le autorizzazioni e la proprietà e gestire i collegamenti simbolici.
Un vantaggio del formato .tar.gz è la sua compatibilità su diverse piattaforme. Le utilità tar e gzip sono ampiamente disponibili sui sistemi di tipo Unix e molti altri sistemi operativi forniscono strumenti per gestire i file .tar.gz. Ciò rende conveniente creare archivi su un sistema ed estrarli su un altro, indipendentemente dall'architettura o dal sistema operativo sottostante.
Oltre alle utilità della riga di comando, vari strumenti grafici e programmi di compressione dei file supportano il formato .tar.gz. Questi strumenti spesso forniscono interfacce user-friendly per la creazione, l'estrazione e la gestione di archivi .tar.gz, rendendoli accessibili agli utenti che preferiscono le interfacce grafiche.
Il formato .tar.gz presenta alcune limitazioni e considerazioni. Non fornisce crittografia integrata o protezione con password per i file archiviati. Se la sicurezza è una preoccupazione, è necessario utilizzare tecniche di crittografia o strumenti aggiuntivi insieme a .tar.gz. Inoltre, il rapporto di compressione ottenuto da gzip può variare a seconda del tipo di dati compressi. I file basati su testo e i file con modelli ripetitivi tendono a comprimersi bene, mentre i file già compressi (ad esempio, immagini, video) potrebbero non trarre vantaggio in modo significativo dall'ulteriore compressione gzip.
Nonostante queste limitazioni, il formato .tar.gz rimane ampiamente utilizzato grazie alla sua semplicità, compatibilità ed efficacia nel confezionamento e nella compressione dei file. È comunemente utilizzato per distribuire codice sorgente, pacchetti software, archivi di backup e trasferire grandi raccolte di file su reti o supporti di archiviazione.
In sintesi, il formato di archivio .tar.gz combina il formato tar per raggruppare file e directory con la compressione gzip per creare un file di archivio compresso. Offre un modo conveniente ed efficiente per confezionare e comprimere file per l'archiviazione e la trasmissione, mantenendo al contempo la compatibilità tra diversi sistemi. Comprendere il formato .tar.gz e i suoi strumenti associati è prezioso per gestire e distribuire file in vari ambienti informatici.
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.