XAR (eXtensible ARchive) è un formato di file sviluppato da Apple Inc. per raggruppare e distribuire software su macOS. Sostituisce formati più vecchi come .pkg e .dmg, offrendo diversi vantaggi come maggiore sicurezza, dimensioni dei file più piccole e migliori prestazioni. I file XAR utilizzano l'estensione .xar e possono essere creati ed estratti utilizzando l'utilità della riga di comando xar inclusa in macOS.
Il formato XAR si basa sullo standard XML (eXtensible Markup Language). Un archivio XAR è costituito da tre componenti principali: una tabella dei contenuti (TOC) in formato XML che descrive il contenuto dell'archivio, i file e le directory effettivi archiviati e le firme digitali per la sicurezza. La TOC funge da indice, specificando il percorso, le dimensioni e altri metadati per ciascun file nell'archivio. Questa struttura basata su XML consente l'estendibilità, poiché Apple o terze parti possono aggiungere tag personalizzati per supportare nuove funzionalità.
Un aspetto chiave del formato XAR è l'uso della compressione. Per impostazione predefinita, XAR utilizza la compressione zlib per ridurre le dimensioni dei file archiviati. Anche la TOC stessa viene compressa. Ciò si traduce in dimensioni di archivio più piccole rispetto a formati più vecchi come .pkg, che archiviano i file non compressi. Tuttavia, XAR supporta anche l'archiviazione di file non compressi, se lo si desidera. La compressione applicata a ciascun file può essere specificata individualmente nella TOC.
Per garantire l'integrità e l'autenticità degli archivi XAR, il formato incorpora firme digitali. Ogni file XAR include una o più firme che coprono l'intera TOC. Queste firme vengono create utilizzando la crittografia a chiave pubblica, in genere con algoritmi RSA o DSA. Le firme consentono ai destinatari di verificare che l'archivio non sia stato manomesso e che provenga da una fonte attendibile. Apple utilizza le firme XAR per distribuire aggiornamenti software e applicazioni sul Mac App Store.
Quando viene aperto un archivio XAR, la TOC viene prima decompressa e analizzata. La TOC fornisce una struttura di directory e metadati dei file, simile al formato "tar" utilizzato nei sistemi Unix. I dati del file effettivo vengono archiviati dopo la TOC nell'archivio. I dati di ciascun file possono essere compressi o non compressi, come indicato dalla voce corrispondente nella TOC. Per estrarre un file, i suoi dati vengono individuati utilizzando le informazioni di offset e dimensione dalla TOC.
Il formato XAR supporta diverse funzionalità avanzate oltre all'archiviazione di base. Una di queste funzionalità è la possibilità di includere più TOC in un singolo archivio. Ciò consente di creare aggiornamenti incrementali in cui solo i file modificati devono essere inclusi nell'archivio di aggiornamento. Le più TOC possono descrivere lo stato dell'archivio in diverse versioni del software. I meccanismi di aggiornamento intelligenti possono utilizzare queste informazioni per applicare patch incrementali in modo efficiente.
Inoltre, gli archivi XAR possono archiviare attributi estesi ed elenchi di controllo di accesso (ACL) associati ai file archiviati. Gli attributi estesi sono coppie chiave-valore che possono archiviare metadati specifici dell'app. Gli ACL definiscono autorizzazioni granulari per l'accesso ai file. Conservando queste informazioni nell'archivio, XAR garantisce che gli attributi del file originale vengano ripristinati quando estratti sul sistema di destinazione.
Il formato XAR include anche disposizioni per la firma del codice. Oltre alle firme a livello di archivio che coprono la TOC, i singoli file all'interno dell'archivio possono avere le proprie firme. Ciò è utile per distribuire componenti software che devono essere verificati indipendentemente. Ad esempio, un'architettura di plugin può utilizzare la firma del codice per garantire che solo i plugin attendibili vengano caricati da un'applicazione.
Un'altra caratteristica di XAR è la sua capacità di archiviare collegamenti fisici. I collegamenti fisici consentono a più voci di directory di fare riferimento agli stessi dati di file su disco. Nella TOC XAR, i collegamenti fisici sono rappresentati utilizzando elementi XML speciali che puntano alla voce del file originale. Quando l'archivio viene estratto, i collegamenti fisici vengono ricreati, preservando lo spazio su disco e mantenendo la struttura della directory originale.
Per lavorare con gli archivi XAR a livello di programmazione, gli sviluppatori possono utilizzare lo strumento da riga di comando xar o librerie come libxar. Lo strumento xar fornisce comandi per creare, estrarre e manipolare archivi XAR. Supporta varie opzioni per compressione, firma e verifica. Libxar è una libreria C che implementa il formato XAR e fornisce un'API per la lettura e la scrittura di archivi XAR. Consente agli sviluppatori di integrare il supporto XAR nelle proprie applicazioni.
In sintesi, il formato XAR offre un approccio moderno ed estensibile al packaging e alla distribuzione del software su macOS. Il suo utilizzo di XML per la tabella dei contenuti, la compressione per dimensioni di file più piccole, le firme digitali per la sicurezza e il supporto per funzionalità avanzate come aggiornamenti incrementali e firma del codice lo rendono un potente strumento per sviluppatori e amministratori di sistema. Man mano che Apple continua a migliorare e promuovere il formato, è probabile che XAR diventi lo standard per la distribuzione del software su macOS.
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.