XAR (eXtensible ARchive) to format pliku opracowany przez Apple Inc. do pakowania i dystrybucji oprogramowania w systemie macOS. Jest zamiennikiem starszych formatów, takich jak .pkg i .dmg, i oferuje szereg zalet, takich jak zwiększone bezpieczeństwo, mniejsze rozmiary plików i lepsza wydajność. Pliki XAR używają rozszerzenia .xar i można je tworzyć i wyodrębniać za pomocą narzędzia wiersza poleceń xar dołączonego do systemu macOS.
Format XAR opiera się na standardzie XML (eXtensible Markup Language). Archiwum XAR składa się z trzech głównych komponentów: spisu treści (TOC) w formacie XML opisującego zawartość archiwum, rzeczywistych plików i katalogów przechowywanych w archiwum oraz podpisów cyfrowych dla bezpieczeństwa. Spis treści działa jak indeks, określając ścieżkę, rozmiar i inne metadane dla każdego pliku w archiwum. Ta oparta na XML struktura umożliwia rozszerzalność, ponieważ Apple lub strony trzecie mogą dodawać niestandardowe znaczniki w celu obsługi nowych funkcji.
Kluczowym aspektem formatu XAR jest wykorzystanie kompresji. Domyślnie XAR używa kompresji zlib, aby zmniejszyć rozmiar archiwizowanych plików. Sam spis treści jest również kompresowany. Powoduje to mniejsze rozmiary archiwów w porównaniu ze starszymi formatami, takimi jak .pkg, które przechowują pliki nieskompresowane. Jednak XAR obsługuje również przechowywanie plików nieskompresowanych, jeśli jest to pożądane. Kompresję stosowaną do każdego pliku można określić indywidualnie w spisie treści.
Aby zapewnić integralność i autentyczność archiwów XAR, format zawiera podpisy cyfrowe. Każdy plik XAR zawiera jeden lub więcej podpisów obejmujących cały spis treści. Podpisy te są tworzone przy użyciu kryptografii klucza publicznego, zwykle z algorytmami RSA lub DSA. Podpisy pozwalają odbiorcom zweryfikować, czy archiwum nie zostało naruszone i czy pochodzi z zaufanego źródła. Apple używa podpisów XAR do dystrybucji aktualizacji oprogramowania i aplikacji w Mac App Store.
Po otwarciu archiwum XAR najpierw dekompresowany i parsowany jest spis treści. Spis treści zawiera strukturę katalogu i metadane pliku, podobnie jak format „tar” używany w systemach Unix. Rzeczywiste dane pliku są przechowywane po spisie treści w archiwum. Dane każdego pliku mogą być skompresowane lub nieskompresowane, zgodnie z odpowiednim wpisem w spisie treści. Aby wyodrębnić plik, jego dane są lokalizowane przy użyciu informacji o przesunięciu i rozmiarze ze spisu treści.
Format XAR obsługuje kilka zaawansowanych funkcji wykraczających poza podstawowe archiwizowanie. Jedną z takich funkcji jest możliwość dołączenia wielu spisów treści do jednego archiwum. Pozwala to na tworzenie przyrostowych aktualizacji, w których tylko zmienione pliki muszą zostać uwzględnione w archiwum aktualizacji. Wiele spisów treści może opisywać stan archiwum w różnych wersjach oprogramowania. Inteligentne mechanizmy aktualizacji mogą wykorzystywać te informacje do wydajnego stosowania przyrostowych poprawek.
Ponadto archiwa XAR mogą przechowywać rozszerzone atrybuty i listy kontroli dostępu (ACL) skojarzone z archiwizowanymi plikami. Rozszerzone atrybuty to pary klucz-wartość, które mogą przechowywać metadane specyficzne dla aplikacji. Listy ACL definiują szczegółowe uprawnienia dostępu do plików. Zachowując te informacje w archiwum, XAR zapewnia, że oryginalne atrybuty pliku zostaną przywrócone po wyodrębnieniu w systemie docelowym.
Format XAR zawiera również postanowienia dotyczące podpisywania kodu. Oprócz podpisów na poziomie archiwum obejmujących spis treści, poszczególne pliki w archiwum mogą mieć własne podpisy. Jest to przydatne do dystrybucji komponentów oprogramowania, które muszą być niezależnie weryfikowane. Na przykład architektura wtyczek może używać podpisywania kodu, aby zapewnić, że tylko zaufane wtyczki są ładowane przez aplikację.
Kolejną cechą XAR jest możliwość przechowywania twardych linków. Twarde linki pozwalają wielu wpisom katalogu odwoływać się do tych samych danych pliku na dysku. W spisie treści XAR twarde linki s ą reprezentowane za pomocą specjalnych elementów XML, które wskazują na oryginalny wpis pliku. Po wyodrębnieniu archiwum twarde linki są odtwarzane, oszczędzając miejsce na dysku i zachowując oryginalną strukturę katalogu.
Aby programowo pracować z archiwami XAR, programiści mogą używać narzędzia wiersza poleceń xar lub bibliotek takich jak libxar. Narzędzie xar udostępnia polecenia do tworzenia, wyodrębniania i manipulowania archiwami XAR. Obsługuje różne opcje kompresji, podpisywania i weryfikacji. Libxar to biblioteka C, która implementuje format XAR i zapewnia interfejs API do odczytu i zapisu archiwów XAR. Pozwala programistom zintegrować obsługę XAR z własnymi aplikacjami.
Podsumowując, format XAR oferuje nowoczesne i rozszerzalne podejście do pakowania i dystrybucji oprogramowania w systemie macOS. Wykorzystanie XML do spisu treści, kompresja w celu uzyskania mniejszych rozmiarów plików, podpisy cyfrowe dla bezpieczeństwa oraz obsługa zaawansowanych funkcji, takich jak przyrostowe aktualizacje i podpisywanie kodu, czynią go potężnym narzędziem dla programistów i administratorów systemów. W miarę jak Apple kontynuuje ulepszanie i promowanie formatu, XAR prawdopodobnie stanie się standardem dystrybucji oprogramowania w systemie macOS.
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.