Format archiwum CPIO (Copy In and Out) to format pliku używany do archiwizowania i wyodrębniania plików w systemach operacyjnych Unix i podobnych do Unix. Początkowo został opracowany na początku lat 80. jako część systemu operacyjnego UNIX System V i od tego czasu stał się standardowym formatem archiwizowania i dystrybucji plików na różnych platformach.
Format CPIO został zaprojektowany tak, aby był prosty i wydajny, umożliwiając tworzenie archiwów zawierających wiele plików i katalogów. Obsługuje zarówno formaty plików binarnych, jak i ASCII, dzięki czemu jest kompatybilny z szeroką gamą systemów i aplikacji.
Archiwum CPIO składa się z serii nagłówków plików, po których następują dane pliku. Każdy nagłówek pliku zawiera metadane dotyczące pliku, takie jak jego nazwa, rozmiar, własność, uprawnienia i czas modyfikacji. Dane pliku są przechowywane bezpośrednio po nagłówku, a następny nagłówek pliku następuje po danych.
Format nagłówka CPIO ewoluował z czasem, a różne wersje obsługiwały różne funkcje i ograniczenia. Najpopularniejszymi formatami nagłówków są format nagłówka binarnego i format nagłówka ASCII, znany również jako „nowy” format nagłówka.
Format nagłówka binarnego wykorzystuje strukturę o stałym rozmiarze do przechowywania metadanych pliku, przy czym każde pole zajmuje określoną liczbę bajtów. Ten format jest bardziej zwarty i wydajny, ale mniej przenośny w różnych systemach ze względu na potencjalne problemy z kolejnością bajtów i wyrównaniem.
Format nagłówka ASCII, wprowadzony w SVR4 (System V Release 4), wykorzystuje strukturę o zmiennej długości z polami kodowanymi w ASCII oddzielonymi nowymi wierszami. Ten format jest bardziej czytelny dla człowieka i przenośny, ale mniej wydajny pod względem miejsca i przetwarzania.
Aby utworzyć archiwum CPIO, polecenie „cpio” jest używane z opcją „-o” (wyjście), a następnie żądanym formatem i listą plików lub katalogów do uwzględnienia. Na przykład „cpio -o -H newc < file_list > archive.cpio” tworzy archiwum przy użyciu formatu nagłówka ASCII, odczytując listę plików z „file_list” i zapisując archiwum do „archive.cpio”.
Aby wyodrębnić pliki z archiwum CPIO, polecenie „cpio” jest używane z opcją „-i” (wejście), a następnie żądanym formatem i wszelkimi dodatkowymi opcjami. Na przykład „cpio -i -d < archive.cpio” wyodrębnia pliki z „archive.cpio” i tworzy wszelkie niezbędne katalogi.
Archiwa CPIO można łączyć, aby tworzyć większe archiwa zawierające wiele zestawów plików. Jest to przydatne do dystrybucji pakietów oprogramowania lub tworzenia kopii zapasowych. Aby połączyć archiwa, po prostu dołącz jedno archiwum do drugiego za pomocą polecenia takiego jak „cat archive1.cpio archive2.cpio > combined.cpio”.
Archiwa CPIO można również kompresować za pomocą różnych algorytmów kompresji, takich jak gzip, bzip2 lub xz, aby zmniejszyć ich rozmiar. Skompresowane archiwa zwykle mają rozszerzenie pliku wskazujące metodę kompresji, taką jak „.cpio.gz” dla archiwów skompresowanych za pomocą gzip.
Jedną z zalet formatu CPIO jest jego zdolność do zachowania uprawnień do plików, własności i znaczników czasu, co czyni go odpowiednim do tworzenia dokładnych replik hierarchii plików. Jednak nie obsługuje funkcji takich jak szyfrowanie, sprawdzanie integralności lub archiwa wielotomowe, które są dostępne w bardziej zaawansowanych formatach archiwów, takich jak tar.
Pomimo swojej prostoty format CPIO jest szeroko stosowany w środowiskach Unix i Linux od dziesięcioleci. Często jest używany w połączeniu z innymi narzędziami, takimi jak „find” lub „rpm”, do tworzenia pakietów oprogramowania, obrazów initramfs lub archiwów kopii zapasowych.
W ostatnich latach format CPIO został w dużej mierze zastąpiony przez bardziej nowoczesne i bogate w funkcje formaty archiwów, takie jak tar i ZIP. Pozostaje jednak ważną częścią historii Uniksa i jest nadal używany w niektórych kontekstach, szczególnie w systemach wbudowanych i narzędziach systemowych niskiego poziomu.
Podczas pracy z archiwami CPIO ważne jest, aby być świadomym potencjalnych zagrożeń bezpieczeństwa związanych z archiwami niezaufanymi. Wyodrębnianie plików z archiwum może potencjalnie nadpisać istniejące pliki lub utworzyć pliki o nieoczekiwanych uprawnieniach, co prowadzi do luk w zabezpieczeniach. Zaleca się wyodrębnianie archiwów w bezpiecznym środowisku i dokładne przeglądanie zawartości przed ich użyciem.
Podsumowując, format archiwum CPIO to prosta i wydajna metoda archiwizowania i wyodrębniania plików w systemach Unix i podobnych do Unix. Chociaż może brakować mu niektórych zaawansowanych funkcji nowoczesnych formatów archiwów, pozostaje przydatnym narzędziem w niektórych kontekstach i znaczącą częścią historii Uniksa. Zrozumienie formatu CPIO i jego zastosowania może być cenne dla administratorów systemów, programistów i entuzjastów pracujących z systemami opartymi na Uniksie.
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.