GNU TAR(Tape Archive) 포맷은 유닉스 계열 운영 체제에서 널리 사용되는 파일 아카이브 및 압축 포맷입니다. 원래는 자기 테이프 에 파일을 백업하기 위해 설계되었지만, 지금은 효율적인 저장 및 전송을 위해 여러 파일을 단일 압축 아카이브 파일에 수집하는 데 일반적으로 사용됩니다. TAR 포맷은 파일 속성, 디렉토리 구조를 보존하고 다양한 압축 알고리즘을 지원합니다.
TAR 아카이브 파일은 일련의 파일 헤더 레코드와 파일 데이터 블록으로 구성됩니다. 아카이브의 각 파일은 파일 자체에 이어 파일의 메타데이터를 포함하는 헤더 레코드로 표현됩니다. 헤더 레코드는 크기가 512바이트이고 파일 이름, 파일 모드(권한), 소유자 및 그룹 ID, 파일 크기, 수정 시간, 체크섬과 같은 필드를 포함합니다.
헤더 레코드의 파일 이름 필드는 최대 100자까지 가능합니다. 파일 이름이 100자를 초과하면 추가 155바이트인 '접두어' 필드를 사용하여 저장됩니다. 접두어는 파일 이름과 연결되어 전체 경로를 만듭니다. 파일 모드 필드에는 유닉스 파일 권한과 파일 유형(일반 파일, 디렉토리, 심볼릭 링크 등)이 포함됩니다.
헤더 레코드에 이어 파일 데이터가 있는데, 이는 연속적인 512바이트 블록에 저장됩니다. 파일 크기가 512바이트의 배수가 아니면 마지막 블록은 널 바이트로 채워집니다. 각 파일의 데이터 블록은 아카이브에 순차적으로 기록되며 파일 간에 구분자나 구분 기호가 없습니다.
TAR 아카이브는 일반 파일과 디렉토리 외에도 여러 유형의 헤더 레코드를 지원합니다. 심볼릭 링크와 하드 링크는 대상 파일을 참조하는 특수 헤더 레코드를 사용하여 표현됩니다. 장치 파일, 명명된 파이프, 기타 특수 파일 유형도 지원됩니다. 확장 속성과 ACL은 pax 교환 포맷 헤더를 사용하여 저장할 수 있습니다.
TAR 포맷의 주요 기능 중 하나는 긴 파일 이름과 경로를 지원한다는 것입니다. 초기 버전의 TAR은 파일 이름이 100자로 제한되었지만, 널리 사용되는 USTAR(Unix Standard TAR) 포맷과 같은 후기 버전에서는 이를 확장하여 더 긴 이름을 지원했습니다. POSIX.1-2001 표준은 더 긴 파일 이름과 경로뿐만 아니라 추가 메타데이터 필드를 허용하는 새로운 확장 가능한 포맷을 도입했습니다.
압축은 일반적으로 파일 크기를 줄이기 위해 TAR 아카이브와 함께 사용됩니다. 가장 인기 있는 압축 방법은 gzip(.tar.gz 또는 .tgz), bzip2(.tar.bz2), xz(.tar.xz)입니다. 이러한 압축 TAR 아카이브는 먼저 일반 TAR 아카이브를 만든 다음 선택한 압축 알고리즘으로 압축하여 만듭니다. 압축된 TAR 아카이브를 추출할 때 먼저 압축이 제거된 다음 일반 TAR 추출 프로세스가 적용됩니다.
TAR 포맷에는 또한 내장된 오류 감지 및 복구 메커니즘이 포함되어 있습니다. 각 헤더 레코드에는 아카이브가 생성될 때 계산되는 체크섬 필드가 포함됩니다. TAR 아카이브에서 파일을 추출할 때 체크섬이 확인되어 데이터 무결성이 보장됩니다. 체크섬 불일치가 감지되면 오류가 보고되고 추출은 영향을 받은 파일을 건너뛰거나 가능한 한 많은 데이터를 복구하려고 시도할 수 있습니다.
기본 TAR 포맷 외에도 여러 가지 변형과 확장이 사용되고 있습니다. 리눅스 배포판에서 널리 사용되는 GNU 버전의 TAR에는 다중 볼륨 아카이브, 스파스 파일 지원, 증분 백업과 같은 추가 기능이 포함되어 있습니다. star와 pax와 같은 다른 확장은 향상된 성능, 유닉스 이외 시스템과의 호환성, 확장된 메타데이터 지원을 제공합니다.
오래되었고 한계가 있음에도 불구하고 TAR 포맷은 단순성, 이식성, 다양한 플랫폼과 도구에서의 광범위한 지원으로 인해 널 리 사용되고 있습니다. 이는 많은 상위 수준 백업 및 아카이빙 솔루션의 기반으로 사용되며, 종종 소프트웨어 패키지와 소스 코드를 배포하기 위한 컨테이너 포맷으로 사용됩니다. 새로운 기술과 저장 매체가 등장함에 따라 TAR 포맷은 변화하는 요구 사항을 충족하도록 적응하고 진화하여 현대 컴퓨팅 환경에서 지속적인 관련성을 보장했습니다.
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(LZ77과 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 가능하게 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.