USTAR (Unix Standard Tape Archive) é um formato de arquivo usado para arquivar e distribuir arquivos em sistemas operacionais Unix e semelhantes ao Unix. Foi introduzido na década de 1980 como um método padronizado para criar arquivos de fita que poderiam ser facilmente trocados entre diferentes sistemas Unix. Desde então, o formato USTAR se tornou um padrão amplamente usado para empacotar e distribuir software, dados e outros arquivos em várias plataformas.
O formato USTAR é uma extensão do formato TAR (Tape Archive) anterior, que era usado para criar arquivos em fitas magnéticas. O formato TAR permitia que vários arquivos fossem combinados em um único arquivo, facilitando o armazenamento e a transferência de grandes coleções de arquivos. No entanto, o formato TAR original tinha limitações, como um comprimento máximo de nome de arquivo de 99 caracteres e um tamanho máximo de arquivo de 8 GB.
Para resolver essas limitações, o formato USTAR foi desenvolvido como uma melhoria em relação ao formato TAR original. O formato USTAR introduziu vários aprimoramentos, incluindo suporte para nomes de arquivos mais longos (até 255 caracteres), tamanhos de arquivo maiores (até 8 EB ou 8 exabytes) e campos de metadados adicionais para armazenar atributos e permissões de arquivo.
Um arquivo USTAR consiste em uma série de registros de arquivo, cada um representando um arquivo ou diretório armazenado no arquivo. Cada registro de arquivo é composto por um cabeçalho e os dados reais do arquivo. O cabeçalho contém metadados sobre o arquivo, como nome, tamanho, propriedade, permissões e hora da modificação. Os dados do arquivo seguem o cabeçalho e são armazenados como um bloco contíguo de bytes.
O cabeçalho USTAR tem um tamanho fixo de 512 bytes e é dividido em vários campos. Alguns dos campos importantes no cabeçalho incluem:
1. Nome do arquivo: uma string terminada em nulo contendo o nome do arquivo ou diretório, com até 255 caracteres.
2. Modo de arquivo: um número octal de 12 caracteres representando as permissões e bits de modo do arquivo.
3. IDs de proprietário e grupo: IDs numéricos de usuário e grupo associados ao arquivo.
4. Tamanho do arquivo: um número octal de 12 caracteres representando o tamanho do arquivo em bytes.
5. Hora da modificação: um número octal de 12 caracteres representando a última hora de modificação do arquivo como o número de segundos desde 1º de janeiro de 1970.
6. Checksum do cabeçalho: um número octal de 8 caracteres usado para detecção de erros.
O formato USTAR também inclui suporte para tipos de arquivos especiais, como links simbólicos, links físicos e arquivos de dispositivo. Esses arquivos especiais são representados usando campos de cabeçalho específicos e são tratados de forma diferente durante a extração.
Ao criar um arquivo USTAR, o utilitário de arquivamento (como o comando `tar`) lê os arquivos e diretórios especificados, gera os cabeçalhos apropriados para cada arquivo e concatena os cabeçalhos e os dados do arquivo em um único arquivo. O arquivo resultante pode ser compactado usando vários algoritmos de compactação, como gzip ou bzip2, para reduzir seu tamanho.
Para extrair arquivos de um arquivo USTAR, o utilitário de extração lê o arquivo sequencialmente, analisando os cabeçalhos para obter informações sobre cada arquivo. Em seguida, ele cria os arquivos e diretórios necessários com base nos metadados armazenados nos cabeçalhos e grava os dados do arquivo nos locais apropriados.
O formato USTAR foi amplamente adotado e é suportado por várias ferramentas de arquivamento e compactação em diferentes sistemas operacionais. Ele fornece uma maneira padronizada e portátil de empacotar e distribuir arquivos, garantindo compatibilidade e facilidade de uso.
No entanto, é importante observar que o formato USTAR tem algumas limitações. Por exemplo, ele não suporta nomes de arquivo com mais de 255 caracteres ou tamanhos de arquivo maiores que 8 EB. Além disso, ele não possui recursos integrados de criptografia ou verificação de integridade, que podem ser necessários para transferência e armazenamento seguros de arquivos.
Apesar dessas limitações, o formato USTAR continua sendo uma escolha popular para arquivar e distribuir arquivos devido à sua simplicidade, amplo suporte e compatibilidade com uma ampla gama de sistemas operacionais Unix e semelhantes ao Unix.
Em resumo, o formato de arquivo USTAR é uma extensão do formato TAR que fornece uma maneira padronizada de empacotar e distribuir arquivos em sistemas Unix e semelhantes ao Unix. Ele suporta nomes de arquivo mais longos, tamanhos de arquivo maiores e metadados adicionais em comparação com o formato TAR original. Os arquivos USTAR consistem em uma série de registros de arquivo, cada um contendo um cabeçalho com metadados do arquivo e os dados reais do arquivo. O formato é amplamente suportado por ferramentas de arquivamento e compactação e é comumente usado para distribuição de software e troca de dados.
A compactação de arquivos reduz redundâncias para que as mesmas informaç ões ocupem menos bits. O limite superior é definido pela teoria da informação: em compactação sem perdas, a fronteira é a entropia da fonte (veja o teorema de codificação de fonte de Shannon teorema de codificação de fonte e seu artigo original de 1948 “A Mathematical Theory of Communication”). Para compactação com perdas, o trade-off entre taxa e qualidade é capturado pela teoria taxa-distorção.
A maioria dos compressores tem duas etapas. Primeiro, um modelo prevê ou expõe estrutura nos dados. Depois, um codificador transforma essas previsões em padrões de bits quase ótimos. Uma família clássica é Lempel–Ziv LZ77 (1977) e LZ78 (1978) detectam substrings repetidas e emitem referências em vez de bytes brutos. Do lado da codificação Huffman (veja o artigo de 1952) dá códigos menores a símbolos mais prováveis. Codificação aritmética e codificação por intervalos chegam ainda mais perto do limite de entropia, enquanto Asymmetric Numeral Systems (ANS) modernos atingem taxas similares com implementações rápidas baseadas em tabelas.
DEFLATE (usado por gzip, zlib e ZIP) combina LZ77 com Huffman. As especificações são públicas: DEFLATE RFC 1951, wrapper zlib RFC 1950e formato gzip RFC 1952. O gzip é moldado para streaming e não tenta fornecer acesso aleatório. PNG padroniza DEFLATE como único método de compressão (janela máxima de 32 KiB) segundo “Compression method 0… deflate/inflate… at most 32768 bytes” e o W3C/ISO PNG 2nd Edition.
Zstandard (zstd): um compressor moderno de uso geral pensado para altas taxas e decompactação muito rápida. O formato está em RFC 8878 (e no espelho HTML) além da especificação de referência no GitHub. Assim como gzip, o frame básico não mira acesso aleatório. Um superpoder do zstd são dicionários: pequenas amostras do seu corpus que reduzem drasticamente muitos arquivos pequenos ou parecidos (consulte a documentação de dicionários do python-zstandard e o exemplo de Nigel Tao). Implementações aceitam dicionários “unstructured” e “structured” (discussão).
Brotli: otimizado para conteúdo web (ex.: fontes WOFF2, HTTP). Mistura um dicionário estático com um núcleo LZ+entropia parecido com DEFLATE. Sua especificação é RFC 7932, que também descreve uma janela 2WBITS−16 com WBITS em [10, 24] (1 KiB−16 B até 16 MiB−16 B) e diz que não fornece acesso aleatório. Brotli costuma superar gzip em texto web e ainda decodifica rápido.
Contêiner ZIP: ZIP é um arquivo que pode armazenar entradas com diversos métodos (deflate, store, zstd etc.). O padrão de fato é o APPNOTE da PKWARE (veja o portal APPNOTE, uma cópia hospedadae os resumos da LC ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 mira velocidade bruta com razões modestas. Consulte a página do projeto (“extremely fast compression”) e o formato de frame. Ideal para caches em memória, telemetria ou pipelines quentes que exigem decompactação quase na velocidade da RAM.
XZ / LZMA busca densidade (ótimas taxas) com compressão relativamente lenta. XZ é um contêiner; quem faz o serviço pesado é normalmente LZMA/LZMA2 (modelagem tipo LZ77 + range coding). Veja o formato .xz, a especificação LZMA (Pavlov)e notas do kernel Linux sobre XZ Embedded. XZ costuma comprimir melhor que gzip e rivaliza com codecs modernos de alta taxa, porém com tempos de codificação mais longos.
bzip2 usa Transformada de Burrows–Wheeler (BWT), move-to-front, RLE e Huffman. Geralmente gera arquivos menores que gzip, porém mais devagar; veja o manual oficial e as páginas man (Linux).
O “tamanho da janela” importa. Referências DEFLATE olham no máximo 32 KiB para trás (RFC 1951) e o limite de 32 KiB do PNG documentado aqui. Brotli cobre janelas de ~1 KiB a 16 MiB (RFC 7932). Zstd ajusta janela e profundidade de busca pelos níveis (RFC 8878). Streams básicos de gzip/zstd/brotli foram feitos para decodificação sequencial; os formatos não prometem acesso aleatório, embora contêineres (tar com índice, framing em blocos ou índices específicos) possam adicioná-lo.
Os formatos acima são sem perdas: recuperam exatamente os mesmos bytes. Codecs de mídia costumam ser com perdas: descartam detalhes imperceptíveis para atingir taxas mais baixas. Em imagens, o JPEG clássico (DCT, quantização, codificação entropia) é padronizado em ITU-T T.81 / ISO/IEC 10918-1. Em áudio, MP3 (MPEG-1 Layer III) e AAC (MPEG-2/4) usam modelos perceptuais e transformadas MDCT (veja ISO/IEC 11172-3, ISO/IEC 13818-7e a visão geral de MDCT aqui). As abordagens com e sem perdas podem coexistir (ex.: PNG para ativos de UI; codecs web para imagem/vídeo/áudio).
Teoria Shannon 1948 · Rate–distortion · Codificação Huffman 1952 · Codificação aritmética · Range coding · ANS. Formatos DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · Formato XZ. Pilha BWT Burrows–Wheeler (1994) · manual do bzip2. Mídia JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Em resumo: escolha um compressor que combine com seus dados e restrições, meça em entradas reais e não esqueça os ganhos de dicionários e framing inteligente. Com o par certo você obtém arquivos menores, transferências mais rápidas e apps mais responsivos sem sacrificar correção ou portabilidade.
A compressão de arquivos é um processo que reduz o tamanho de um arquivo ou arquivos, normalmente para economizar espaço de armazenamento ou acelerar a transmissão em uma rede.
A compressão de arquivos funciona identificando e removendo redundâncias nos dados. Ela usa algoritmos para codificar os dados originais em um espaço menor.
Os dois principais tipos de compressão de arquivos são a compressão sem perdas e a compressão com perdas. A compressão sem perdas permite que o arquivo original seja perfeitamente restaurado, enquanto a compressão com perdas permite uma redução de tamanho mais significativa com alguma perda de qualidade dos dados.
Um exemplo popular de uma ferramenta de compressão de arquivos é o WinZip, que suporta vários formatos de compressão, incluindo ZIP e RAR.
Com compressão sem perdas, a qualidade permanece inalterada. No entanto, com compressão com perdas, pode haver uma diminuição perceptível na qualidade, pois elimina dados menos importantes para reduzir significativamente o tamanho do arquivo.
Sim, a compressão de arquivos é segura em termos de integridade dos dados, especialmente com compressão sem perdas. No entanto, como qualquer arquivo, os arquivos comprimidos podem ser alvo de malware ou vírus, por isso, é sempre importante ter um software de segurança de boa reputação.
Quase todos os tipos de arquivos podem ser comprimidos, incluindo arquivos de texto, imagens, áudio, vídeo e arquivos de software. No entanto, o nível de compressão alcançável pode variar significativamente entre os tipos de arquivo.
Um arquivo ZIP é um tipo de formato de arquivo que usa compressão sem perdas para reduzir o tamanho de um ou mais arquivos. Vários arquivos em um arquivo ZIP são efetivamente agrupados em um único arquivo, o que também facilita o compartilhamento.
Tecnicamente, sim, embora a redução de tamanho adicional possa ser mínima ou até contraproducente. Comprimir um arquivo já comprimido pode às vezes aumentar seu tamanho devido aos metadados adicionados pelo algoritmo de compressão.
Para descomprimir um arquivo, geralmente você precisa de uma ferramenta de descompressão ou descompactação, como WinZip ou 7-Zip. Essas ferramentas podem extrair os arquivos originais do formato comprimido.