MTREE to klasyczny format archiwum, który był powszechnie używany w erze MS-DOS do dystrybucji oprogramowania i danych. Został opracowany przez Microsoft i zyskał popularność dzięki wydajnej kompresji i szybkim prędkościom dekompresji na sprzęcie tamtych czasów. Format MTREE to oparta na drzewie struktura archiwum, która umożliwia hierarchiczną organizację plików i katalogów.
Archiwum MTREE składa się z nagłówka, po którym następuje seria węzłów reprezentujących pliki i katalogi przechowywane w archiwum. Nagłówek zawiera metadane dotyczące archiwum, w tym podpis MTREE (zwykle „MTRE”), numer wersji, metodę kompresji i inne flagi. Węzły są zorganizowane w strukturę drzewiastą, przy czym każdy węzeł reprezentuje plik lub katalog.
Każdy węzeł w archiwum MTREE zawiera informacje takie jak typ węzła (plik lub katalog), atrybuty pliku (np. rozmiar, znacznik czasu), metoda kompresji (jeśli dotyczy) oraz skompresowane lub nieskompresowane dane pliku. Katalogi są reprezentowane jako specjalne węzły, które zawierają odniesienia do ich węzłów podrzędnych, co umożliwia hierarchiczną strukturę archiwum.
MTREE obsługuje różne metody kompresji, z których najpopularniejsze to LZSS (Lempel-Ziv-Storer-Szymanski) i DEFLATE. LZSS to algorytm kompresji oparty na słowniku, który wykorzystuje przesuwane okno do znajdowania i zastępowania powtarzających się wzorców w danych. Oferuje szybką dekompresję i rozsądne współczynniki kompresji. DEFLATE z drugiej strony jest kombinacją kodowania LZ77 i Huffmana, zapewniającą lepsze współczynniki kompresji, ale nieco wolniejszą dekompresję w porównaniu do LZSS.
Jedną z kluczowych cech MTREE jest jego zdolność do wydajnego dostępu do poszczególnych plików w archiwum bez konieczności dekompresji całego archiwum. Osiąga się to poprzez wykorzystanie tabeli alokacji plików (FAT), która mapuje logiczną strukturę archiwum na fizyczne przesunięcia węzłów. FAT umożliwia szybkie wyszukiwanie i pobieranie określonych plików, dzięki czemu MTREE nadaje się do scenariuszy, w których wymagany jest losowy dostęp do plików.
Aby utworzyć archiwum MTREE, pliki i katalogi są najpierw uporządkowane w żądanej hierarchii. Każdy plik jest kompresowany przy użyciu wybranej metody kompresji, a skompresowane dane są przechowywane w odpowiednim węźle pliku. Katalogi są reprezentowane jako węzły z odniesieniami do ich węzłów podrzędnych. Następnie generowana jest FAT, mapująca strukturę logiczną na fizyczne przesunięcia w archiwum.
Wyodrębnianie plików z archiwum MTREE polega na przejściu przez strukturę drzewa i zlokalizowaniu żądanych węzłów plików. FAT jest używany do szybkiego zlokalizowania fizycznego przesunięcia danych pliku w archiwum. Następnie skompresowane dane są dekompresowane przy użyciu odpowiedniego algorytmu dekompresji na podstawie metody kompresji określonej w węźle.
Archiwa MTREE mogą również obsługiwać dodatkowe funkcje, takie jak ochrona hasłem, szyfrowanie i podpisy cyfrowe. Ochrona hasłem umożliwia ograniczenie dostępu do zawartości archiwum, podczas gdy szyfrowanie zapewnia dodatkową warstwę bezpieczeństwa poprzez szyfrowanie danych pliku. Podpisy cyfrowe mogą być używane do weryfikacji integralności i autentyczności archiwum.
Chociaż MTREE jest uważany za klasyczny format archiwum i został w dużej mierze zastąpiony przez bardziej nowoczesne formaty, takie jak ZIP i RAR, nadal ma znaczenie historyczne. Wiele starych dystrybucji oprogramowania i archiwów danych z ery MS-DOS wykorzystywało format MTREE, co czyni go ważnym dla zachowania i dostępu do starszych danych.
Podsumowując, klasyczny format archiwum MTREE był szeroko stosowanym i wydajnym rozwiązaniem do archiwizacji i dystrybucji plików w erze MS-DOS. Jego oparta na drzewie struktura, wydajne metody kompresji i możliwości losowego dostępu sprawiły, że był popularnym wyborem do dystrybucji oprogramowania i przechowywania danych. Chociaż MTREE może nie być dziś tak powszechny, zrozumienie jego szczegółów technicznych pozostaje cenne do pracy ze starszymi archiwami i docenienia ewolucji technik kompresji i archiwizacji plików w czasie.
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.