ZSTD는 Zstandard의 약자로, Facebook의 Yann Collet이 개발한 빠르고 효율적인 무손실 압축 알고리즘 및 파일 형식입니다. 빠른 압축 및 압축 해제 속도를 유지하면서 높은 압축률을 제공하도록 설계되어 실시간 압축 시나리오와 대규모 데이터 세트 압축에 적합합니다.
ZSTD 형식은 빠른 엔트로피 단계와 강력한 무손실 압축 단계를 결합한 것입니다. 엔트로피 단계는 유한 상태 엔트로피(FSE)와 허프만 코딩을 사용하는 반면, 무손실 압축 단계는 Zstandard 사전 압축(ZDIC)이라는 LZ77 알고리즘의 변형을 사용합니다.
ZSTD의 주요 기능 중 하나는 압축 중에 사전을 생성하고 활용하는 기능입니다. 사전은 압축기와 압축 해제기가 압축률을 향상시키기 위해 사용하는 미리 공유된 데이터 세트입니다. ZSTD는 두 가지 유형의 사전을 지원합니다. 콘텐츠 정의 사전과 사용자 제공 사전입니다.
콘텐츠 정의 사전은 입력 데이터를 기반으로 ZSTD 압축기에서 자동으로 생성됩니다. 압축기는 데이터를 분석하여 반복적인 패턴을 식별하고 이러한 패턴을 나타내는 사전을 구성합니다. 그런 다음 압축 중에 사전을 사용하여 반복적인 패턴을 사전에 대한 참조로 대체하여 더 높은 압축률을 얻습니다.
반면에 사용자 제공 사전은 사용자가 생성하며 여러 압축된 파일 간에 공유할 수 있습니다. 이러한 사전은 유사하거나 관련된 데이터를 압축할 때 유용합니다. 압축기가 데이터 패턴에 대한 기존 지식을 활용할 수 있기 때문입니다. 사용자 제공 사전은 특히 작은 파일이나 공통 데이터 구조가 있는 파일의 압축률을 크게 향상시킬 수 있습니다.
ZSTD는 1~22까지의 여러 압축 수준을 지원하며, 더 높은 수준은 더 느린 압축 속도를 대가로 더 나은 압축률을 제공합니다. 기본 압축 수준은 3이며, 압축률과 속도 사이의 균형을 잘 맞춥니다. ZSTD에는 또한 "ultra"라는 특수 압축 수준이 포함되어 있으며, 가장 높은 압축률을 제공하지만 압축 시간이 상당히 증가합니다.
ZSTD 형식은 헤더와 하나 이상의 압축 프레임으로 구성됩니다. 헤더에는 사전 ID, 창 크기, 프레임 수와 같은 압축된 데이터에 대한 메타데이터가 포함됩니다. 각 압축 프레임은 독립적이며 별도로 압축 해제할 수 있어 병렬 압축 해제와 압축된 데이터에 대한 임의 액세스가 가능합니다.
ZSTD의 압축 프레임은 리터럴 블록과 시퀀스 블록을 결합하여 사용합니다. 리터럴 블록에는 원시 압축되지 않은 데이터가 포함되어 있는 반면, 시퀀스 블록에는 사전 또는 이전에 본 데이터에 대한 참조가 포함되어 있습니다. 시퀀스 블록은 참조의 크기를 최소화하기 위해 FSE 또는 허프만 코딩을 사용하여 인코딩됩니다.
ZSTD는 압축 효율성과 속도를 향상시키기 위해 여러 기술을 사용합니다. 그러한 기술 중 하나는 사전 또는 이전에 본 데이터에서 일치하는 시퀀스를 빠르게 찾기 위한 해시 테이블 사용입니다. 해시 테이블은 압축기가 입력 데이터를 처리할 때 지속적으로 업데이트되어 잠재적 일치 항목을 효율적으로 조회할 수 있습니다.
ZSTD에서 사용하는 또 다른 최적화 기술은 지연 일치 전략입니다. 압축기는 일치 항목을 즉시 인코딩하는 대신 더 긴 일치 항목을 계속 검색합니다. 더 긴 일치 항목이 발견되면 압축기는 대신 더 긴 일치 항목을 인코딩하도록 선택하여 더 나은 압축률을 얻을 수 있습니다.
ZSTD에는 또한 "장거리 일치"(LDM)라는 빠른 모드가 포함되어 있으며, 이를 통해 장거리 일치를 감지할 수 있습니다. LDM은 입력 데이터에서 멀리 떨어진 일치 항목을 저장하기 위해 보조 해시 테이블을 사용합니다. 이러한 장거리 일치를 고려함으로써 ZSTD는 매우 반복적이거나 주기적인 데이터와 같은 특정 유형의 데이터에 대한 압축률을 향상시킬 수 있습니다.
압축 기능 외에도 ZSTD는 체크섬을 사용하여 오류 감지 및 수정 기능을 제공합니다. 각 압축 프레임에는 압축 해제된 데이터의 체크섬이 포함되어 있어 압축 해제 중에 압축 해제기가 데이터의 무결성을 확인할 수 있습니다. 오류가 감지되면 ZSTD는 손상된 프레임을 삭제하고 다음 프레임으로 계속 진행하여 복구를 시도할 수 있습니다.
ZSTD는 뛰어난 성능과 유연성으로 인해 널리 채택되었습니다. 데이터 저장 시스템, 데이터베이스 엔진, 백업 솔루션, 데이터 전송 프로토콜을 포함한 다양한 애플리케이션에서 사용됩니다. Zstandard Archive(ZSTD), Zstandard Seekable Format(ZST), Zstandard Dictionary Format(ZDICT)와 같은 많은 인기 있는 파일 형식은 ZSTD 압축을 기반으로 합니다.
ZSTD의 장점 중 하나는 광범위한 플랫폼 및 프로그래밍 언어와의 호환성입니다. ZSTD의 참조 구현은 C로 작성되었으며 매우 이식성이 뛰어나 다양한 운영 체제와 아키텍처에서 사용할 수 있습니다. 또한 다양한 프로그래밍 언어에 사용할 수 있는 ZSTD의 바인딩과 포트가 많이 있어 기존 애플리케이션에 ZSTD 압축을 쉽게 통합할 수 있습니다.
ZSTD는 또한 사용자가 ZSTD를 사용하여 파일을 압축하고 압축 해제할 수 있는 명령줄 인터페이스(CLI) 도구를 제공합니다. CLI 도구는 압축 수준 설정, 사전 지정, 메모리 사용량 조정과 같은 다양한 옵션과 매개변수를 지원합니다. CLI 도구는 특히 일괄 처리 또는 스크립트 환경에서 파일을 압축하고 압축 해제하는 데 유용합니다.
요약하자면 ZSTD는 빠른 압축 및 압축 해제 속도, 높은 압축률, 성능 향 상을 위한 사전 활용 기능을 제공하는 매우 효율적이고 다목적인 압축 알고리즘 및 파일 형식입니다. 속도와 압축 효율성이 결합되어 실시간 압축부터 대규모 데이터 세트 압축까지 광범위한 애플리케이션에 적합합니다. 광범위한 기능 세트, 플랫폼 호환성, 채택 증가로 ZSTD는 다양한 도메인에서 데이터 압축을 위한 인기 있는 선택이 되었습니다.
파일 압축은 동일한 정보가 더 적은 비트를 차지하도록 중복성을 줄입니다. 얼마나 멀리 갈 수 있는지에 대한 상한선은 정보 이론에 의해 결정됩니다. 무손실 압축의 경우, 한계는 소스의 엔트로피입니다(섀넌의 소스 코딩 정리 와 그의 1948년 원본 논문 “통신의 수학적 이론”참조). 손실 압축의 경우, 속도와 품질 간의 절충은 속도-왜곡 이론에 의해 포착됩니다.
대부분의 압축기에는 두 단계가 있습니다. 첫째, 모델이 데이터의 구조를 예측하거나 노출합니다. 둘째, 코더가 이러한 예측을 거의 최적의 비트 패턴으로 변환합니다. 고전적인 모델링 계열은 렘펠-지브입니다. LZ77 (1977) 과 LZ78 (1978)은 반복되는 하위 문자열을 감지하고 원시 바이트 대신 참조를 내보냅니다. 코딩 측면에서는 허프만 코딩 (원본 논문 1952참조)이 더 가능성 있는 기호에 더 짧은 코드를 할당합니다. 산술 코딩 과 범위 코딩 은 엔트로피 한계에 더 가깝게 압축하는 더 세분화된 대안이며, 현대적인 비대칭 숫자 체계(ANS) 는 빠른 테이블 기반 구현으로 유사한 압축을 달성합니다.
DEFLATE(gzip, zlib, ZIP에서 사용)는 LZ77과 허프만 코딩을 결합합니다. 사양은 공개되어 있습니다. DEFLATE RFC 1951, zlib 래퍼 RFC 1950, gzip 파일 형식 RFC 1952. Gzip은 스트리밍을 위해 구성되었으며 명시적으로 임의 접근을 시도하지 않습니다. PNG 이미지는 PNG 사양에 따라 DEFLATE를 유일한 압축 방법으로 표준화합니다(최대 32KiB 창). “압축 방법 0… deflate/inflate… 최대 32768바이트” 및 W3C/ISO PNG 제2판.
Zstandard (zstd): 매우 빠른 압축 해제와 높은 비율을 위해 설계된 최신 범용 압축기입니다. 형식은 RFC 8878 (또한 HTML 미러) 및 참조 사양 GitHub에 문서화되어 있습니다. gzip과 마찬가지로 기본 프레임은 임의 접근을 목표로 하지 않습니다. zstd의 초능력 중 하나는 사전입니다. 코퍼스에서 가져온 작은 샘플로, 작거나 유사한 많은 파일에서 압축을 극적으로 향상시킵니다( python-zstandard 사전 문서 및 Nigel Tao의 작업 예제참조). 구현은 “비정형” 및 “정형” 사전을 모두 허용합니다 (토론).
Brotli: 웹 콘텐츠(예: WOFF2 글꼴, HTTP)에 최적화되어 있습니다. 정적 사전과 DEFLATE와 유사한 LZ+엔트로피 코어를 혼합합니다. 사양은 RFC 7932이며, WBITS가 [10, 24]인 2WBITS−16의 슬라이딩 윈도우(1KiB−16B ~ 16MiB−16B)와 임의 접근을 시도하지 않음을 명시합니다. Brotli는 웹 텍스트에서 gzip을 자주 능가하며 빠르게 디코딩됩니다.
ZIP 컨테이너: ZIP은 다양한 압축 방법 (deflate, store, zstd 등)으로 항목을 저장할 수 있는 파일 아카이브입니다. 사실상의 표준은 PKWARE의 APPNOTE입니다( APPNOTE 포털, 호스팅된 사본, LC 개요 ZIP 파일 형식(PKWARE) / ZIP 6.3.3참조).
LZ4는 적당한 비율로 원시 속도를 목표로 합니다. 프로젝트 페이지 (「매우 빠른 압축」)와 프레임 형식을 참조하십시오. 압축 해제가 RAM 속도에 가까워야 하는 인메모리 캐시, 원격 측정 또는 핫 경로에 이상적입니다.
XZ / LZMA는 비교적 느린 압축으로 밀도(훌륭한 비율)를 추구합니다. XZ는 컨테이너입니다. 무거운 작업은 일반적으로 LZMA/LZMA2(LZ77 과 유사한 모델링 + 범위 코딩)에 의해 수행됩니다. .xz 파일 형식, LZMA 사양(Pavlov), 리눅스 커널 노트 XZ 임베디드를 참조하십시오. XZ는 일반적으로 gzip보다 압축률이 높으며 종종 높은 비율의 최신 코덱과 경쟁하지만 인코딩 시간이 더 깁니다.
bzip2는 버로우즈-휠러 변환(BWT), move-to-front, RLE 및 허프만 코딩을 적용합니다. 일반적으로 gzip보다 작지만 느립니다. 공식 설명서 와 man 페이지 (리눅스)를 참조하십시오.
“창 크기”가 중요합니다. DEFLATE 참조는 32KiB만 되돌아볼 수 있습니다 (RFC 1951 및 PNG의 32KiB 상한 여기에 명시됨). Brotli의 창은 약 1KiB에서 16MiB까지 다양합니다 (RFC 7932). Zstd는 레벨별로 창과 검색 깊이를 조정합니다 (RFC 8878). 기본 gzip/zstd/brotli 스트림은 순차적 디코딩을 위해 설계되었습니다. 기본 형식은 임의 접근을 약속하지 않습니다. 하지만 컨테이너(예: tar 인덱스, 청크 프레이밍 또는 형식별 인덱스)를 통해 계층화할 수 있습니다.
위의 형식은 무손실입니다. 정확한 바이트를 재구성할 수 있습니다. 미디어 코덱은 종종 손실입니다. 더 낮은 비트 전송률을 달성하기 위해 감지할 수 없는 세부 정보를 버립니다. 이미지에서 클래식 JPEG(DCT, 양자화, 엔트로피 코딩)는 ITU-T T.81 / ISO/IEC 10918-1에 표준화되어 있습니다. 오디오에서 MP3(MPEG-1 Layer III) 및 AAC(MPEG-2/4)는 지각 모델 및 MDCT 변환에 의존합니다( ISO/IEC 11172-3, ISO/IEC 13818-7, MDCT 개요 여기참조). 손실 및 무손실은 공존할 수 있습니다(예: UI 자산용 PNG, 이미지/비디오/오디오용 웹 코덱).
이론: 섀넌 1948 · 속도-왜곡 · 코딩: 허프만 1952 · 산술 코딩 · 범위 코딩 · ANS. 형식: DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 프레임 · XZ 형식. BWT 스택: 버로우즈-휠러(1994) · bzip2 설명서. 미디어: JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
결론: 데이터와 제약 조건에 맞는 압축기를 선택하고, 실제 입력으로 측정하고, 사전과 스마트 프레이밍의 이점을 잊지 마십시오. 올바른 조합으로 정확성이나 이식성을 희생하지 않고 더 작은 파일, 더 빠른 전송, 더 빠른 앱을 얻을 수 있습니다.
파일 압축은 파일 또는 파일들의 크기를 줄이는 과정으로, 일반적으로 저장 공간을 절약하거나 네트워크를 통한 전송을 가속화하기 위해 사용됩니다.
파일 압축은 데이터의 중복성을 식별하고 제거함으로써 작동합니다. 원래의 데이터를 더 작은 공간에 인코딩하기 위해 알고리즘을 사용합니다.
파일 압축의 두 가지 주요 유형은 손실 없는 압축과 손실 압축입니다. 손실 없는 압축은 원래 파일을 완벽하게 복원할 수 있게 하는 반면, 손실 압축은 데이터 품질의 일부 손실을 감수하면서 더 큰 크기 축소를 가능 하게 합니다.
파일 압축 도구의 인기 있는 예는 ZIP과 RAR 같은 다양한 압축 형식을 지원하는 WinZip입니다.
손실 없는 압축에서는 품질이 변하지 않습니다. 그러나 손실 압축에서는 파일 크기를 더욱 크게 줄이기 위해 중요하지 않은 데이터를 제거하기 때문에 품질 저하가 눈에 띄게 될 수 있습니다.
네, 특히 손실 없는 압축에서는 데이터 무결성 측면에서 파일 압축이 안전합니다. 그러나 모든 파일과 마찬가지로, 압축된 파일도 멀웨어나 바이러스의 대상이 될 수 있으므로, 항상 신뢰할 수 있는 보안 소프트웨어를 갖추는 것이 중요합니다.
거의 모든 종류의 파일들은 압축이 가능하며, 이에는 텍스트 파일, 이미지, 오디오, 비디오, 소프트웨어 파일이 포함됩니다. 그러나, 압축 가능한 수준은 파일 유형에 따라 크게 달라질 수 있습니다.
ZIP 파일은 파일의 크기를 줄이는 데 손실 없는 압축을 사용하는 파일 형식의 일종입니다. ZIP 파일 안에는 여러 파일이 효과적으로 한 개의 파일로 묶여 있어 공유가 더욱 쉽습니다.
기술적으로는 가능합니다, 그러나 추가적인 크기 줄임은 최소한이거나 심지어 역효과일 수 있습니다. 이미 압축된 파일을 다시 압축하려고 하면, 압축 알고리즘이 추가하는 메타데이터 때문에 파일의 크기가 증가하기도 합니다.
파일을 압축 해제하려면 일반적으로 압축 해제 또는 압축 풀기 도구, 예를 들면 WinZip이나 7-Zip 같은 도구가 필요합니다. 이러한 도구들은 원래의 파일을 압축된 형식에서 추출할 수 있습니다.