Format RAR (Roshal Archive) to zastrzeżony format archiwum opracowany przez Eugene'a Roshala. Został wydany po raz pierwszy w 1993 roku i od tego czasu stał się popularnym wyborem do kompresji i archiwizacji danych ze względu na wydajną kompresję, obsługę wielu woluminów, odzyskiwanie błędów i silne szyfrowanie. Format wykorzystuje kombinację algorytmów kompresji bezstratnej, w tym LZSS, PPM i kodowanie Huffmana, aby osiągnąć wysokie współczynniki kompresji przy zachowaniu integralności danych.
Archiwum RAR składa się z serii "bloków", które zawierają skompresowane pliki, katalogi i metadane. Archiwum zaczyna się od bloku znacznika, który identyfikuje plik jako archiwum RAR i określa wersję archiwum. Po bloku znacznika archiwum zawiera główny blok nagłówka, który zawiera ogólne informacje o archiwum, takie jak całkowity rozmiar, liczba woluminów i użyta metoda szyfrowania (jeśli istnieje).
Każdy skompresowany plik w archiwum jest przechowywany jako blok nagłówka pliku, po którym następuje jeden lub więcej skompresowanych bloków danych. Blok nagłówka pliku zawiera metadane dotyczące pliku, takie jak jego nazwa, rozmiar, znacznik czasu, atrybuty i suma kontrolna CRC32. Skompresowane bloki danych zawierają rzeczywiste skompresowane dane pliku, które w razie potrzeby można podzielić na wiele bloków.
RAR wykorzystuje solidne podejście do archiwizacji, co oznacza, że pliki są kompresowane razem jako pojedynczy ciągły strumień danych, a nie kompresowane indywidualnie. Podejście to może prowadzić do wyższych współczynników kompresji, szczególnie w przypadku kolekcji podobnych plików, ponieważ kompresor może wykorzystać redundancje między plikami. Jednak solidne archiwa mogą być mniej odporne na uszkodzenia danych, ponieważ pojedynczy błąd może wpłynąć na wiele plików.
Aby zapewnić integralność danych, RAR wykorzystuje system rekordów odzyskiwania. Rekordy odzyskiwania to specjalne bloki, które zawierają nadmiarowe informacje o strukturze archiwum i metadanych pliku. W przypadku uszkodzenia danych te rekordy mogą zostać użyte do odtworzenia uszkodzonych części archiwum. Liczbę i rozmiar rekordów odzyskiwania można skonfigurować przez użytkownika podczas tworzenia archiwum.
RAR obsługuje archiwa wielowoluminowe, które umożliwiają podzielenie dużych archiwów na mniejsze, łatwiejsze w zarządzaniu części. Każdy wolumin w archiwum wielowoluminowym jest oddzielnym plikiem RAR z własnym blokiem znacznika i nagłówkiem, ale z dodatkowymi informacjami wskazującymi jego pozycję w zestawie. Archiwa wielowoluminowe mogą być przydatne do przechowywania lub przesyłania dużych zestawów danych przez nośniki pamięci o ograniczonej pojemności, takie jak płyty CD lub DVD.
Format RAR oferuje silne możliwości szyfrowania w celu ochrony poufnych danych. Archiwa można szyfrować za pomocą algorytmu AES (Advanced Encryption Standard) z kluczem 128-bitowym lub 256-bitowym. Gdy archiwum jest szyfrowane, wszystkie dane pliku i metadane są chronione, a do wyodrębnienia zawartości wymagane jest hasło. RAR obsługuje również nowszy, zastrzeżony algorytm szyfrowania o nazwie RAR5, który został zaprojektowany tak, aby był bezpieczniejszy niż starsza metoda AES.
Jedną z wyróżniających cech formatu RAR jest jego obsługa kompresji podzielonych plików. Ta funkcja umożliwia podzielenie dużych plików na mniejsze części przed kompresją, które następnie mogą być wyodrębnione i ponownie złożone w sposób przejrzysty przez dekompresor. Kompresja podzielonych plików może być przydatna do optymalizacji przechowywania lub przesyłania dużych plików przez sieci o ograniczonej przepustowości lub okresowo połączone.
Oprócz możliwości kompresji i archiwizacji, RAR obsługuje również kilka zaawansowanych funkcji, takich jak komentarze do archiwum, listy plików chronionych hasłem i weryfikacja autentyczności za pomocą podpisów cyfrowych. Komentarze do archiwum pozwalają użytkownikom dołączać tekst opisowy do archiwum, który może służyć do zapewnienia dodatkowego kontekstu lub instrukcji wyodrębniania zawartości. Listy plików chronionych hasłem ukrywają nazwy zaszyfrowanych plików do czasu podania prawidłowego hasła. Weryfikacja podpisu cyfrowego pozwala użytkownikom upewnić się, że archiwum pochodzi z zaufanego źródła i nie zostało naruszone.
Chociaż format RAR oferuje wiele korzyści pod względem wydajności kompresji, ochrony danych i bogactwa funkcji, ma też pewne wady. Najważniejszą z nich jest to, że RAR jest formatem zastrzeżonym, a oficjalne implementacje kompresora i dekompresora są zamknięte. Może to ograniczyć interoperacyjność i utrudnić programistom zewnętrznym tworzenie kompatybilnych narzędzi. Ponadto niektóre bardziej zaawansowane funkcje RAR, takie jak algorytm szyfrowania RAR5, mogą nie być obsługiwane przez wszystkie dekompresory.
Pomimo tych ograniczeń RAR pozostaje szeroko stosowanym i dobrze obsługiwanym formatem archiwum, szczególnie w systemach Windows. Jego wydajna kompresja, solidne odzyskiwanie błędów i silne funkcje szyfrowania sprawiają, że jest to solidny wybór do archiwizacji i ochrony ważnych danych. Przy prawidłowym korzystaniu z rekordów odzyskiwania, archiwów wielowoluminowych i regularnych kopii zapasowych archiwa RAR mogą zapewnić niezawodne długotrwałe przechowywanie krytycznych plików i zestawów danych.
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 s łowników 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.