Format archiwum POSIX, znany również jako format „ar”, to format pliku używany do tworzenia i zarządzania archiwami bibliotek w systemach operacyjnych typu Unix. Format ten został ustandaryzowany przez IEEE w specyfikacji POSIX.1-1988 i od tego czasu został szeroko przyjęty na różnych platformach. Format ar umożliwia łączenie wielu plików w jeden plik w celu łatwiejszego przechowywania, dystrybucji i zarządzania.
Struktura archiwum POSIX składa się z nagłówka globalnego, po którym następuje seria elementów archiwum. Każdy element reprezentuje plik, który został dodany do archiwum. Nagłówek globalny to prosty ciąg ASCII, który identyfikuje plik jako archiwum ar. Składa się z znaków „!<arch>\n”, gdzie „\n” reprezentuje znak nowej linii. Ten nagłówek jest zawsze obecny na początku pliku archiwum.
Po nagłówku globalnym archiwum zawiera serię elementów pliku. Każdy element składa się z nagłówka pliku i samych danych pliku. Nagłówek pliku to struktura o stałym rozmiarze, która zawiera metadane dotyczące pliku, takie jak jego nazwa, znacznik czasu modyfikacji, identyfikatory właściciela i grupy, tryb pliku i rozmiar. Nagłówek jest wypełniany spacjami, aby zachować stały rozmiar 60 bajtów.
Nagłówek pliku zaczyna się od nazwy pliku, która jest przechowywana jako zakończony zerem ciąg ASCII. Nazwa pliku jest ograniczona do 16 znaków, a jeśli rzeczywista nazwa pliku jest dłuższa, jest ona obcinana. Jeśli nazwa pliku jest krótsza niż 16 znaków, jest ona wypełniana spacjami. Po nazwie pliku nagłówek zawiera znacznik czasu modyfikacji pliku, który jest przechowywany jako dziesiętny ciąg ASCII. Znacznik czasu reprezentuje liczbę sekund od epoki Uniksa (1 stycznia 1970 r.).
Następnie nagłówek pliku zawiera identyfikatory właściciela i grupy pliku, przechowywane jako dziesiętne ciągi ASCII. Identyfikatory te są używane do zarządzania uprawnieniami i własnością plików. Tryb pliku jest również przechowywany w nagłówku jako ośmioznakowy ciąg ASCII, reprezentujący uprawnienia i typ pliku. Tryb wskazuje, czy plik jest zwykłym plikiem, katalogiem, dowiązaniem symbolicznym lub ma jakieś specjalne uprawnienia.
Rozmiar pliku jest przechowywany w nagłówku jako dziesiętny ciąg ASCII, wskazujący liczbę bajtów w danych pliku następujących po nagłówku. Jeśli rozmiar pliku nie jest liczbą parzystą, do danych pliku dodawany jest dodatkowy bajt wypełnienia, aby zapewnić prawidłowe wyrównanie.
Po nagłówku pliku w archiwum przechowywane są rzeczywiste dane pliku. Dane są zapisywane w stanie nienaruszonym, bez dodatkowego formatowania lub kompresji. Jeśli rozmiar pliku jest nieparzysty, dodawany jest dodatkowy bajt wypełnienia, aby zachować wyrównanie.
Proces tworzenia archiwum ar polega na łączeniu nagłówków plików i danych każdego pliku członkowskiego w jeden plik archiwum. Narzędzie ar, które jest powszechnie spotykane w systemach typu Unix, służy do tworzenia, modyfikowania i wyodrębniania plików z archiwów ar. Podczas tworzenia archiwum narzędzie ar dodaje nagłówek globalny, a następnie nagłówki plików i dane każdego pliku członkowskiego.
Wyodrębnianie plików z archiwum ar polega na odczytaniu nagłówka globalnego w celu zweryfikowania formatu archiwum, a następnie przeszukaniu archiwum w celu zlokalizowania żądanych elementów pliku. Narzędzie ar odczytuje nagłówki plików, aby określić nazwy plików, rozmiary i przesunięcia w archiwum. Następnie wyodrębnia dane pliku na podstawie informacji o rozmiarze i lokalizacji przechowywanych w nagłówkach.
Jednym z głównych przypadków użycia formatu ar jest tworzenie archiwów bibliotek statycznych. Biblioteki statyczne to zbiory plików obiektów, które są bezpośrednio linkowane do pliku wykonywalnego w czasie kompilacji. Format ar umożliwia łączenie wielu plików obiektów w jeden plik biblioteki, który następnie można połączyć z innymi plikami obiektów lub bibliotekami w celu utworzenia ostatecznego pliku wykonywalnego.
Format ar obsługuje również tworzenie cienkich archiwów, które są archiwami zawierającymi tylko odwołania do plików zewnętrznych, a nie same dane pliku. Cienkie archiwa są przydatne do zmniejszania rozmiaru pliku archiwum i umożliwiają bardziej wydajne przechowywanie i dystrybucję dużych zbiorów plików.
Chociaż format ar jest szeroko stosowany i obsługiwany, ma pewne ograniczenia. Nagłówek pliku o stałym rozmiarze ogranicza długość nazw plików i maksymalny rozmiar pliku, który można przechowywać w archiwum. Ponadto format ar nie zapewnia żadnej wbudowanej kompresji ani szyfrowania, co może być konieczne w niektórych przypadkach użycia.
Pomimo swoich ograniczeń format archiwum POSIX pozostaje prostą i wydajną metodą łączenia i zarządzania zbiorami plików w systemach typu Unix. Jego standaryzacja i szerokie przyjęcie sprawiają, że jest to niezawodny wybór do tworzenia bibliotek statycznych, dystrybucji pakietów oprogramowania i archiwizacji danych.
Podsumowując, format archiwum POSIX to format pliku używany do tworzenia i zarządzania archiwami bibliotek w systemach operacyjnych typu Unix. Składa się z nagłówka globalnego, po którym następuje seria elementów pliku, z których każdy zawiera nagłówek pliku i dane pliku. Narzędzie ar służy do tworzenia, modyfikowania i wyodrębniania plików z archiwów ar, a format jest powszechnie używany do tworzenia archiwów bibliotek statycznych i łączenia zbiorów plików. Chociaż ma pewne ograniczenia, format ar pozostaje prostą i szeroko obsługiwana metodą zarządzania plikami w systemach typu Unix.
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.