GNU TAR（テープアーカイブ）形式は、Unix系オペレーティングシステムで広く使用されているファイルアーカイブおよび圧縮形式です。もともと磁気テープにファイルをバックアップするために設計されましたが、現在は多くのファイルを単一の圧縮アーカイブファイルに収集して、効率的な保存と転送を行うために一般的に使用されています。TAR形式では、ファイル属性、ディレクトリ構造を保持でき、さまざまな圧縮アルゴリズムをサポートしています。
TARアーカイブファイルは、一連のファイルヘッダーレコードとファイルデータブロックで構成されています。アーカイブ内の各ファイルは、ファイルに関するメタデータを含むヘッダーレコードで表され、その後にファイルデータ自体が続きます。ヘッダーレコードは512バイトのサイズで、ファイル名、ファイルモード（パーミッション）、所有者とグループのID、ファイルサイズ、変更時刻、チェックサムなどのフィールドが含まれています。
ヘッダーレコードのファイル名フィールドは最大100文字の長さにすることができます。ファイル名が100文字を超える場合、追加の155バイトである「プレフィックス」フィールドを使用して格納されます。プレフィックスはファイル名と連結されて完全なパスを作成します。ファイルモードフィールドには、Unixファイルのパーミッションとファイルタイプ（通常のファイル、ディレクトリ、シンボリックリンクなど）が含まれています。
ヘッダーレコードの後にファイルデータが続き、連続した512バイトのブロックに格納されます。ファイルサイズが512バイトの倍数でない場合、最後のブロックはヌルバイトで埋められます。各ファイルのデータブロックは、ファイル間に区切り記号やデリミタがない状態で、アーカイブ内に順次書き込まれます。
TARアーカイブは、通常のファイルとディレクトリに加えて、いくつかのタイプのヘッダーレコードをサポートしています。シンボリックリンクとハードリンクは、ターゲットファイルを参照する特別なヘッダーレコードを使用して表されます。デバイスファイル、名前付きパイプ、およびその他の特殊なファイルタイプもサポートされています。拡張属性とACLは、paxインターチェンジ形式のヘッダーを使用して格納できます。
TAR形式の重要な機能の1つは、長いファイル名とパスのサポートです。初期バージョンのTARは100文字のファイル名に制限されていましたが、広く使用されているUSTAR（Unix Standard TAR）形式などの後続のバージョンでは、より長い名前をサポートするように拡張されました。POSIX.1-2001標準は、さらに長いファイル名とパス、および追加のメタデータフィールドを許可する新しい拡張可能な形式を導入しました。
圧縮は、ファイルサイズを削減するためにTARアーカイブと組み合わせて一般的に使用されます。最も一般的な圧縮方法は、gzip（.tar.gzまたは.tgz）、bzip2（.tar.bz2）、xz（.tar.xz）です。これらの圧縮されたTARアーカイブは、最初に通常のTARアーカイブを作成してから、選択した圧縮アルゴリズムで圧縮することによって作成されます。圧縮されたTARアーカイブを抽出すると、最初に圧縮が解除され、次に通常のTAR抽出プロセスが適用されます。
TAR形式には、組み込みのエラー検出および回復メカニ ズムも含まれています。各ヘッダーレコードには、アーカイブの作成時に計算されるチェックサムフィールドが含まれています。TARアーカイブからファイルを抽出すると、チェックサムが検証されてデータの整合性が確保されます。チェックサムの不一致が検出されると、エラーが報告され、抽出は影響を受けるファイルをスキップするか、可能な限り多くのデータを回復しようとします。
基本的なTAR形式に加えて、いくつかのバリエーションと拡張機能が使用されています。Linuxディストリビューションで広く使用されているGNUバージョンのTARには、マルチボリュームアーカイブ、スパースファイルサポート、増分バックアップなどの追加機能が含まれています。starやpaxなどの他の拡張機能は、パフォーマンスの向上、Unix以外のシステムとの互換性、拡張メタデータのサポートを提供します。
その古さと制限にもかかわらず、TAR形式は、そのシンプルさ、移植性、さまざまなプラットフォームやツールでの幅広いサポートにより、依然として広く使用されています。これは、多くの高レベルのバックアップおよびアーカイブソリューションの基盤として機能し、ソフトウェアパッケージやソースコードを配布するためのコンテナ形式としてよく使用されます。新しいテクノロジーとストレージメディアが出現するにつれて、TAR形式は変化するニーズに合わせて適応して進化し、最新のコンピューティング環境での関連性を確保しています。
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。