7-Zip to popularny archiwizator i narzędzie do kompresji plików, które wykorzystuje własny format archiwum, znany jako format 7z. Opracowany przez Igora Pavlova format 7z został zaprojektowany w celu zapewnienia wysokich współczynników kompresji, silnego szyfrowania i obsługi wielu metod kompresji. Ta techniczna notatka wyjaśniająca zagłębi się w szczegóły formatu archiwum 7z, jego strukturę oraz różne techniki kompresji i szyfrowania, które stosuje.
Format 7z to kontener, który może przechowywać wiele plików i katalogów wraz z ich metadanymi w jednym pliku archiwum. Obsługuje kompresję solidną, która umożliwia kompresję wielu plików razem, co skutkuje lepszymi ogólnymi współczynnikami kompresji. Format zawiera również takie funkcje, jak kompresja nagłówka, wielowątkowość i możliwość dzielenia archiwów na wiele woluminów.
Struktura archiwum 7z składa się z trzech głównych części: nagłówka sygnatury, nagłówka i skompresowanych bloków danych. Nagłówek sygnatury to sekwencja 6 bajtów, która identyfikuje plik jako archiwum 7z. Zawsze zaczyna się od bajtów „7z\xBC\xAF\x27\x1C”. Nagłówek następuje po sygnaturze i zawiera podstawowe informacje o archiwum, takie jak wersja, liczba plików i użyte metody kompresji.
Nagłówek jest podzielony na kilka podczęści, w tym właściwości archiwum, informacje o strumieniu i informacje o pliku. Właściwości archiwum przechowują ogólne informacje o archiwum, takie jak liczba plików i czas utworzenia. Informacje o strumieniu zawierają szczegóły dotyczące skompresowanych bloków danych, takie jak ich rozmiar i użyte metody kompresji. Informacje o pliku przechowują metadane dla każdego pliku w archiwum, w tym nazwę pliku, rozmiar i atrybuty.
Jedną z kluczowych cech formatu 7z jest obsługa wielu metod kompresji. Najczęstszymi metodami stosowanymi w archiwach 7z są LZMA (algorytm łańcucha Markowa Lempel-Ziv) i LZMA2. LZMA to wydajny algorytm kompresji, który oferuje doskonałe współczynniki kompresji, szczególnie w przypadku plików tekstowych i wykonywalnych. LZMA2 to ulepszona wersja LZMA, która oferuje lepszą obsługę wielowątkowości i szybsze prędkości dekompresji.
Oprócz LZMA i LZMA2 format 7z obsługuje również inne metody kompresji, takie jak BZip2, PPMd i Delta. BZip2 to uniwersalny algorytm kompresji, który zapewnia dobre współczynniki kompresji dla szerokiej gamy typów plików. PPMd to statystyczna metoda kompresji, która dobrze sprawdza się w przypadku plików tekstowych i może osiągnąć bardzo wysokie współczynniki kompresji. Kompresja Delta służy do przechowywania różnic między podobnymi plikami, co może znacznie zmniejszyć rozmiar archiwum podczas przechowywania wielu wersji tego samego pliku.
Format 7z zawiera również silne możliwości szyfrowania w celu ochrony zawartości archiwum. Obsługuje algorytm szyfrowania AES-256, który jest uważany za jedną z najbezpieczniejszych dostępnych metod szyfrowania. Gdy archiwum jest szyfrowane, wszystkie nazwy plików, metadane i skompresowane bloki danych są chronione, co sprawia, że nieautoryzowanym użytkownikom praktycznie niemożliwe jest uzyskanie dostępu do zawartości archiwum bez prawidłowego hasła.
Aby zapewnić integralność danych, format 7z wykorzystuje kombinację kontroli nadmiarowości cyklicznej (CRC) i wartości skrótu SHA-256. Każdy skompresowany blok danych ma wartość CRC, która służy do wykrywania i korygowania błędów podczas dekompresji. Dodatkowo nagłówek archiwum i metadane pliku są chronione przez wartości skrótu SHA-256, które mogą służyć do weryfikacji integralności archiwum i jego zawartości.
Format 7z obsługuje również tworzenie archiwów samorozpakowujących (SFX). Archiwum SFX to plik wykonywalny, który zawiera skompresowane dane i niezbędny kod do wyodrębniania. Po uruchomieniu archiwum SFX automatycznie wyodrębnia zawartość do określonej lokalizacji, bez konieczności instalowania dodatkowego oprogramowania. Ta funkcja ułatwia dystrybucję skompresowanych plików użytkownikom, którzy mogą nie mieć zainstalowanego kompatybilnego narzędzia do wyodrębniania.
Jedną z zalet formatu 7z jest jego otwarta architektura, która pozwala programistom tworzyć kompatybilne narzędzia i biblioteki. Samo oprogramowanie 7-Zip jest typu open source, a jego kod źródłowy jest dostępny na licencji GNU Lesser General Public License (LGPL). Doprowadziło to do opracowania różnych narzędzi i wtyczek innych firm, które mogą tworzyć, wyodrębniać i manipulować archiwami 7z.
Podsumowując, format archiwum 7z to potężny i wszechstronny kontener kompresji, który oferuje wysokie współczynniki kompresji, silne szyfrowanie i obsługę wielu metod kompresji. Jego zaawansowane funkcje, takie jak kompresja solidna, wielowątkowość i archiwa samorozpakowujące, czynią go atrakcyjnym wyborem zarówno dla użytkowników indywidualnych, jak i środowisk korporacyjnych. W miarę rozwoju i ulepszania formatu prawdopodobnie pozostanie on popularnym wyborem do kompresji i archiwizacji plików.
Kompresja plików redukuje redundancję, dzięki czemu te same informacje wymagają mniej bitów. Górna granica jest wyznaczana przez teorię informacji: dla kompresji bezstratnej limitem jest entropia źródła (zobacz teoremę kodowania źródła Shannona source coding theorem oraz jego oryginalny artykuł z 1948 roku „A Mathematical Theory of Communication”). W kompresji stratnej kompromis między przepływnością a jakością opisuje teoria rate–distortion.
Większość kompresorów działa w dwóch etapach. Najpierw model przewiduje lub ujawnia strukturę danych. Następnie koder zamienia te przewidywania w niemal optymalne wzorce bitowe. Klasyczną rodziną modeli jest Lempel–Ziv LZ77 (1977) i LZ78 (1978) wykrywają powtarzające się podciągi i zamiast surowych bajtów emitują odwołania. Po stronie kodowania kodowanie Huffmana (zob. artykuł z 1952 r.) przypisuje krótsze kody symbolom bardziej prawdopodobnym. Kodowanie arytmetyczne i range coding są jeszcze precyzyjniejsze i zbliżają się do granicy entropii, a nowoczesne Asymmetric Numeral Systems (ANS) osiągają podobne wyniki dzięki szybkim implementacjom tablicowym.
DEFLATE (wykorzystywane przez gzip, zlib i ZIP) łączy LZ77 z kodowaniem Huffmana. Specyfikacje są publiczne: DEFLATE RFC 1951, wrapper zlib RFC 1950i format gzip RFC 1952. Gzip jest przeznaczony do strumieniowania i wprost nie oferuje dostępu losowego. Obrazy PNG standaryzują DEFLATE jako jedyną metodę kompresji (maks. okno 32 KiB) zgodnie ze specyfikacją „Compression method 0… deflate/inflate… at most 32768 bytes” oraz W3C/ISO PNG 2nd Edition.
Zstandard (zstd): nowszy uniwersalny kompresor zaprojektowany dla wysokich współczynników i bardzo szybkiej dekompresji. Format opisano w RFC 8878 (oraz lustrze HTML) i w specyfikacji referencyjnej na GitHubie. Podobnie jak gzip, podstawowa ramka nie celuje w dostęp losowy. Jednym z supermocy zstd są słowniki: niewielkie próbki z korpusu, które dramatycznie poprawiają kompresję wielu małych lub podobnych plików (zob.dokumentację słowników python-zstandard i przykład Nigela Tao). Implementacje akceptują zarówno słowniki „unstructured”, jak i „structured” (dyskusja).
Brotli: zoptymalizowane pod kątem treści webowych (np. fonty WOFF2, HTTP). Łączy statyczny słownik z jądrem LZ+entropia podobnym do DEFLATE. Specyfikacja to RFC 7932, które opisuje też okno 2WBITS−16 z WBITS w [10, 24] (1 KiB−16 B do 16 MiB−16 B) i stwierdza, że nie zapewnia dostępu losowego. Brotli często pokonuje gzip na tekstach webowych, jednocześnie szybko dekodując.
Kontener ZIP: ZIP to archiwum plików, które może przechowywać wpisy z różnymi metodami kompresji (deflate, store, zstd itd.). De facto standardem jest APPNOTE PKWARE (zob.portal APPNOTE, hostowaną kopięoraz omówienia LC ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 celuje w surową szybkość przy umiarkowanych współczynnikach. Zobacz stronę projektu („extremely fast compression”) oraz opis formatu ramek. Idealne do cache w pamięci, telemetrii lub wrażliwych ścieżek, gdzie dekompresja musi być prawie tak szybka jak RAM.
XZ / LZMA goni za wysoką gęstością (świetnymi współczynnikami) kosztem wolniejszej kompresji. XZ to kontener; ciężar pracy wykonują zwykle LZMA/LZMA2 (modelowanie podobne do LZ77 + range coding). Zobacz format .xz, specyfikację LZMA (Pavlov)oraz notatki jądra Linux o XZ Embedded. XZ zwykle kompresuje lepiej niż gzip i często konkuruje z nowoczesnymi kodekami wysokiego współczynnika, ale wymaga dłuższego kodowania.
bzip2 stosuje Transformację Burrowsa–Wheelera (BWT), move-to-front, RLE i kodowanie Huffmana. Zwykle daje mniejsze pliki niż gzip, ale działa wolniej; zobacz oficjalny podręcznik oraz stronę man (Linux).
Liczy się „rozmiar okna”. Odwołania w DEFLATE mogą sięgać tylko 32 KiB wstecz (RFC 1951) oraz limitu PNG 32 KiB opisanego tutaj. Brotli ma okno od ~1 KiB do 16 MiB (RFC 7932). Zstd dostraja okno i głębokość wyszukiwania poziomami (RFC 8878). Podstawowe strumienie gzip/zstd/brotli są projektowane do sekwencyjnego dekodowania; same formaty nie gwarantują dostępu losowego, choć kontenery (np. indeksy tar, ramek chunked lub indeksy specyficzne dla formatu) mogą go dodać.
Powyższe formaty są bezstratne: odtwarzają dokładnie te same bajty. Kodeki multimedialne często są stratne: odrzucają niewidoczne szczegóły, by osiągnąć niższe bitrate’y. W obrazach klasyczny JPEG (DCT, kwantyzacja, kodowanie entropijne) jest standaryzowany w ITU-T T.81 / ISO/IEC 10918-1. W audio MP3 (MPEG-1 Layer III) i AAC (MPEG-2/4) używają modeli percepcyjnych i transformacji MDCT (zob.ISO/IEC 11172-3, ISO/IEC 13818-7i przegląd MDCT tutaj). Metody stratne i bezstratne mogą współistnieć (np. PNG do UI, kodeki webowe dla obrazów/wideo/audio).
Teoria Shannon 1948 · Rate–distortion · Kodowanie Huffman 1952 · Kodowanie arytmetyczne · Range coding · ANS. Format DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · Format XZ. Stos BWT Burrows–Wheeler (1994) · podręcznik bzip2. Media JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Podsumowanie: wybierz kompresor dopasowany do danych i ograniczeń, mierz na prawdziwych próbkach i nie zapominaj o zyskach ze słowników oraz sprytnego ramek. Z odpowiednią parą uzyskasz mniejsze pliki, szybsze transfery i żwawsze aplikacje bez poświęcania poprawności czy przenośności.
Kompresja plików to proces, który zmniejsza rozmiar pliku lub plików, zazwyczaj w celu oszczędności miejsca na dysku lub przyspieszenia transmisji przez sieć.
Kompresja plików działa poprzez identyfikowanie i usuwanie nadmiarowej informacji w danych. Wykorzystuje algorytmy do kodowania oryginalnych danych w mniejszej przestrzeni.
Dwa główne typy kompresji plików to kompresja bezstratna i stratna. Kompresja bezstratna pozwala na idealne przywrócenie oryginalnego pliku, podczas gdy kompresja stratna umożliwia znaczniejsze zmniejszenie rozmiaru kosztem pewnej utraty jakości danych.
Popularnym przykładem narzędzia do kompresji plików jest WinZip, który obsługuje wiele formatów kompresji, w tym ZIP i RAR.
W przypadku kompresji bezstratnej, jakość pozostaje niezmieniona. Jednak przy kompresji stratnej może dojść do zauważalnego spadku jakości, ponieważ eliminuje ona mniej ważne dane, aby bardziej znacząco zmniejszyć rozmiar pliku.
Tak, kompresja plików jest bezpieczna pod względem integralności danych, zwłaszcza przy kompresji bezstratnej. Jednak, jak wszystkie pliki, skompresowane pliki mogą być celem dla złośliwego oprogramowania lub wirusów, dlatego zawsze ważne jest, aby mieć zainstalowane wiarygodne oprogramowanie zabezpieczające.
Prawie wszystkie typy plików można skompresować, w tym pliki tekstowe, obrazy, audio, wideo i pliki oprogramowania. Jednak poziom możliwej do osiągnięcia kompresji może znacznie różnić się w zależności od typu pliku.
Plik ZIP to typ formatu pliku, który wykorzystuje kompresję bezstratną do zmniejszenia rozmiaru jednego lub więcej plików. Wiele plików w pliku ZIP jest efektywnie grupowanych razem w jeden plik, co ułatwia również udostępnianie.
Technicznie tak, chociaż dodatkowe zmniejszenie rozmiaru może być minimalne lub nawet niekorzystne. Kompresowanie już skompresowanego pliku czasami może zwiększyć jego rozmiar z powodu metadanych dodawanych przez algorytm kompresji.
Aby rozpakować plik, zazwyczaj potrzebujesz narzędzia do dekompresji lub rozpakowywania, takiego jak WinZip czy 7-Zip. Te narzędzia mogą wyodrębnić oryginalne pliki z formatu skompresowanego.