ZSTD（Zstandardの略）は、FacebookのYann Colletによって開発された高速で効率的なロスレス圧縮アルゴリズムとファイル形式です。高速な圧縮と解凍速度を維持しながら高い圧縮率を提供するように設計されており、リアルタイム圧縮シナリオや大規模データセットの圧縮に適しています。
ZSTD形式は、高速エントロピー段階と強力なロスレス圧縮段階の組み合わせに基づいています。エントロピー段階では有限状態エントロピー（FSE）とハフマン符号化を使用し、ロスレス圧縮段階ではZstandard辞書圧縮（ZDIC）と呼ばれるLZ77アルゴリズムのバリアントを使用します。
ZSTDの重要な機能の1つは、圧縮中に辞書を作成して利用できることです。辞書は、圧縮器と解凍器の両方が圧縮率を向上させるために使用する、事前に共有されたデータセットです。ZSTDは、コンテンツ定義辞書とユーザー提供辞書の2種類の辞書をサポートしています。
コンテンツ定義辞書は、入力データに基づいてZSTD圧縮器によって自動的に生成されます。圧縮器はデータを分析して繰り返しのパターンを特定し、これらのパターンを表す辞書を構築します。次に、辞書は圧縮中に使用され、繰り返しのパターンを辞書への参照に置き換えて、より高い圧縮率を実現します。
一方、ユーザー提供辞書はユーザーによって作成され、複数の圧縮ファイル間で共有できます。これらの辞書は、類似または関連するデータを圧縮する場合に役立ちます。圧縮器は、データパターンの既存の知識を活用できるからです。ユーザー提供辞書は、特に小さなファイルや共通のデータ構造を持つファイルの圧縮率を大幅に向上させることができます。
ZSTDは1から22までの複数の圧縮レベルをサポートし、より高いレベルではより優れた圧縮率が得られますが、圧縮速度は低下します。デフォルトの圧縮レベルは3で、圧縮率と速度のバランスが優れています。ZSTDには「ウルトラ」と呼ばれる特別な圧縮レベルも含まれており、最高の圧縮率が得られますが、圧縮時間が大幅に増加します。
ZSTD形式は、ヘッダーと1つ以上の圧縮フレームで構成されます。ヘッダーには、辞書ID、ウィンドウサイズ、フレーム数などの圧縮データに関するメタデータが含まれています。各圧縮フレームは独立しており、個別に解凍できるため、並列解凍と圧縮データへのランダムアクセスが可能になります。
ZSTDの圧縮フレームでは、リテラルブロックとシーケンスブロックの組み合わせが使用されます。リテラルブロックには未加工の非圧縮データが含まれ、シーケンスブロックには辞書または以前に見たデータへの参照が含まれます。シーケンスブロックは、参照のサイズを最小限に抑えるためにFSEまたはハフマン符号化を使用してエンコードされます。
ZSTDは、圧縮効率と速度を向上させるためにいくつかの手法を採用しています。そのような手法の1つは、ハッシュテーブルを使用して、辞書または以前に見たデータ内で一致するシーケンスをすばやく見つけることです。ハッシュテーブルは、圧縮器が入力データを処理するときに継続的に更新され、潜在的な一致の効率的な検索が可能になります。
ZSTDで使用されるもう1つの最適化手法は、遅延マッチング戦略です。圧縮器は一致をすぐにエンコードするのではなく、より長い一致を検索し続けます。より長い一致が見つかった場合、圧縮器は代わりに長い一致をエンコードすることを選択でき、より優れた圧縮率が得られます。
ZSTDには「長距離マッチング」（LDM）と呼ばれる高速モードも含まれており、長距離マッチングの検出が可能です。LDMは、入力データ内で離れた位置にある一致を格納するためにセカンダリハッシュテーブルを使用します。これらの長距離マッチングを考慮することで、ZSTDは、高度に反復的または周期的なデータなど、特定の種類のデータの圧縮率を向上させることができます。
圧縮機能に加えて、ZSTDはチェックサムを使用してエラー検出と修正も行います。各圧縮フレームには、非圧縮データのチェックサムが含まれており、解凍器は解凍中にデータの整合性を検証できます。エラーが検出された場合、ZSTDは破損したフレームを破棄して次のフレームに進むことで、エラーから回復しようとします。
ZSTDは、その優れたパフォーマンスと柔軟性により広く採用されています。データストレージシステム、データベースエンジン、バックアップソリューション、データ転送プロトコルなど、さまざまなアプリケーションで使用されています。Zstandard Archive（ZSTD）、Zstandard Seekable Format（ZST）、Zstandard Dictionary Format（ZDICT）などの多くの一般的なファイル形式は、ZSTD圧縮に基づいています。
ZSTDの利点の1つは、さまざまなプラットフォームやプログラミング言語との互換性です。ZSTDのリファレンス実装はCで記述されており、移植性が高いため、さまざまなオペレーティングシステムやアーキテクチャで使用できます。さらに、さまざまなプログラミング言語用に多数のバインディングとZSTDのポートが利用可能であり、既存のアプリケーションにZSTD圧縮を簡単に統合できます。
ZSTDには、ユーザーがZSTDを使用してファイルを圧縮および解凍できるコマンドラインインターフェイス（CLI）ツールも用意されています。CLIツールは、圧縮レベルの設定、辞書の指定、メモリ使用量の調整など、さまざまなオプションとパラメータをサポートしています。CLIツールは、バッチまたはスクリプト化された環境でファイルを圧縮および解凍する場合に特に役立ちます。
要約すると、ZSTDは高速な圧縮と解凍速度、高い圧縮率、パフォーマンスを向上させるための辞書を利用する機能を提供する、非常に効率的で汎用性の高い圧縮アルゴリズムとファイル形式です。速度と圧縮効率の組み合わせにより、リアルタイム圧縮から大規模データセットの圧縮まで、幅広いアプリケーションに適しています。その豊富な機能セット、プラットフォームの互換性、採用数の増加により、ZSTDはさまざまなドメインでデータ圧縮の一般的な選択肢となっています。
ファイル圧縮は冗長性を減らすことで、同じ情報がより少ないビットで済むようにします。どこまで圧縮できるかの上限は情報理論によって定められています。可逆圧縮の場合、その限界はソースのエントロピーです（シャノンの ソース符号化定理 と彼の1948年の独創的な論文 「通信の 数学的理論」を参照）。非可逆圧縮の場合、レートと品質のトレードオフは レート歪み理論によって捉えられます。
ほとんどの圧縮プログラムには2つの段階があります。まず、モデルがデータ内の構造を予測または公開します。 次に、コーダーがそれらの予測をほぼ最適なビットパターンに変換します。古典的なモデリング ファミリーはレンペル–ジブです。 LZ77 (1977) とLZ78 (1978)は、繰り返される部分文字列を検出し、生のバイトの代わりに参照を出力します。 コーディング側では、 ハフマン符号化 （元の論文 1952を参照）は、より可能性の高いシンボルに短いコードを割り当てます。 算術符号化 と 範囲符号化 は、エントロピー限界に近づけるためのよりきめ細かい代替手段であり、現代の 非対称数系（ANS） は、高速なテーブル駆動の 実装で同様の圧縮を実現します。
DEFLATE（gzip、zlib、ZIPで使用）は、LZ77とハフマン符号化を組み合わせたものです。その仕様は公開されています： DEFLATE RFC 1951、zlibラッパー RFC 1950、およびgzipファイル形式 RFC 1952。Gzipはストリーミング用にフレーム化されており、明示的に ランダムアクセスを提供しようとはしません。PNG画像は、PNG仕様書によれば、DEFLATEを唯一の圧縮方法として標準化しています（最大32 KiBのウィンドウ）。 「圧縮方法0… deflate/inflate… 最大32768バイト」 および W3C/ISO PNG第2版。
Zstandard (zstd): 非常に高速な 解凍で高い圧縮率を実現するために設計された、新しい汎用圧縮プログラムです。この形式は RFC 8878 （ HTMLミラーも参照）および参照仕様書 GitHubで文書化されています。gzipと同様に、基本フレームは ランダムアクセスを目的としていません。zstdのスーパーパワーの1つは辞書です。コーパスからの小さなサンプルで、多数の小さなファイルや類似のファイルで 圧縮を劇的に改善します（ python-zstandard辞書ドキュメント および Nigel Taoの実例を参照）。実装は、「非構造化」と「構造化」の両方の辞書を受け入れます （ディスカッション）。
Brotli: ウェブコンテンツ（例：WOFF2フォント、HTTP）に最適化されています。静的辞書と DEFLATEのようなLZ+エントロピーコアを組み合わせます。仕様は RFC 7932で、2WBITS−16のスライディングウィンドウ（WBITSは[10, 24]、1 KiB−16 Bから 16 MiB−16 Bまで）と、 ランダムアクセスを試みないことも記されています。Brotliは、ウェブテキストでgzipをしばしば上回り、高速にデコードします。
ZIPコンテナ: ZIPは、さまざまな圧縮方法 （deflate、store、zstdなど）でエントリを保存できるファイルアーカイブです。事実上の標準はPKWAREのAPPNOTEです（ APPNOTEポータル、 ホストされているコピー、およびLCの概要 ZIPファイル形式（PKWARE） / ZIP 6.3.3を参照）。
LZ4は、控えめな圧縮率で生の速度を目標としています。その プロジェクトページ （「非常に高速な圧縮」）と フレーム形式を参照してください。メモリ内キャッシュ、テレメトリ、または解凍がRAM速度に近い必要があるホットパスに最適です。
XZ / LZMAは、比較的遅い圧縮で密度（優れた圧縮率）を追求します。XZはコンテナです。 重労働は通常、LZMA/LZMA2（LZ77のようなモデリング+範囲符号化）によって行われます。 .xzファイル形式、 LZMA仕様（Pavlov）、およびLinuxカーネルのメモ XZ Embeddedについてを参照してください。XZは通常、gzipを上回り、高圧縮率の最新コーデックとしばしば競合しますが、エンコード時間は遅くなります。
bzip2は、 Burrows–Wheeler変換（BWT）、move-to-front、RLE、およびハフマン符号化を適用します。通常、gzipよりも小さいですが遅いです。 公式マニュアル およびmanページ （Linux）を参照してください。
「ウィンドウサイズ」は重要です。DEFLATE参照は32 KiBしか遡れません （RFC 1951 およびPNGの32 KiBキャップ ここに記載）。Brotliのウィンドウは、約1 KiBから16 MiBの範囲です （RFC 7932）。Zstdは、レベルごとにウィンドウと検索深度を調整します （RFC 8878）。基本的なgzip/zstd/brotliストリームは、シーケンシャルデコード用に設計されています。基本形式は ランダムアクセスを約束しませんが、コンテナ（例：tarインデックス、チャンク化されたフ レーミング、または形式固有のインデックス）でそれを階層化できます。
上記の形式は可逆です。正確なバイトを再構築できます。メディアコーデックはしばしば非可逆です。 より低いビットレートを達成するために、知覚できない詳細を破棄します。画像では、古典的なJPEG（DCT、量子化、エントロピー 符号化）は ITU-T T.81 / ISO/IEC 10918-1で標準化されています。音声では、MP3（MPEG-1 Layer III）とAAC（MPEG-2/4）は、知覚モデルとMDCT変換に依存しています（ ISO/IEC 11172-3、 ISO/IEC 13818-7、およびMDCTの概要 こちらを参照）。非可逆と可逆は共存できます（例：UIアセット用のPNG、画像/動画/音声用のWebコーデック）。
理論： シャノン 1948 · レート歪み · 符号化： ハフマン 1952 · 算術符号化 · 範囲符号化 · ANS. フォーマット： DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4フレーム · XZ形式. BWTスタック： Burrows–Wheeler (1994) · bzip2マニュアル. メディア： JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
結論：データと制約に合った圧縮プログラムを選択し、実際の入力で測定し、 辞書とスマートフレーミングによる利点を忘れないでください。適切な組み合わせで、 より小さなファイル、より速い転送、より軽快なアプリを手に入れることができます—正確さや移植性を犠牲にすることなく。
ファイルの圧縮は、ファイルやファイルのサイズを減らすプロセスで、通常はストレージスペースを節約したり、ネットワークを介した伝送を高速化するために使用されます。
ファイルの圧縮は、データの冗長性を識別して削除することで機能します。それはアルゴリズムを使用して、元のデータをより小さいスペースでエンコードします。
ファイルの圧縮の主要な2つのタイプはロスレス圧縮とロッシー圧縮です。ロスレス圧縮では、元のファイルを完全に復元することができますが、ロッシー圧縮ではデータ品質の若干の損失を伴うより大きなサイズの削減が可能になります。
ファイルの圧縮ツールの人気の例はWinZipで、ZIPとRARを含む複数の圧縮形式をサポートしています。
ロスレス圧縮では品質は変わりません。しかし、ロッシー圧縮では、それほど重要ではないデータを削除してファイルサイズをより大幅に削減するため、品質の低下が目立つことがあります。
はい、データの整合性の面では、特にロスレス圧縮ではファイルの圧縮は安全です。しかし、他のファイルと同様に、圧縮ファイルはマルウェアやウイルスの標的になる可能性があるため、常に信頼することができるセキュリティソフトウェアを用意しておくことが重要です。
ほぼすべてのタイプのファイルが圧縮可能であり、テキストファイル、画像、音声、動画、ソフトウェアファイルなどがあります。ただし、圧縮可能なレベルは、ファイルタイプによって大幅に異なることがあります。
ZIPファイルは、1つ以上のファイルのサイズを減らすためにロスレス圧縮を使用 するファイル形式の一種です。ZIPファイルの中の複数のファイルは、実質的に1つのファイルにまとめられるため、共有も簡単になります。
技術的にははい、ですが、さらなるサイズ縮小は最小限で、あるいは逆効果となる可能性があります。既に圧縮されたファイルを圧縮すると、圧縮アルゴリズムによって追加されたメタデータにより、そのサイズが増えることがあります。
ファイルを解凍するには、通常、解凍ツールやアンジッパーといったツール、例えばWinZipや7-Zipが必要です。これらのツールは、圧縮形式から元のファイルを抽出することができます。