NEWC เป็นรูปแบบไฟล์เก็บถาวรที่ออกแบบมาเพื่อจัดเก็บและบีบอัดคอลเลกชันของไฟล์และไดเรกทอรีอย่างมีประสิทธิภาพ Eugene Roshal พัฒนาขึ้นในปี 1993 เพื่อปรับปรุงรูปแบบไฟล์เก็บถาวรที่มีอยู่ เช่น ZIP และ ARJ รูปแบบนี้มีจุดมุ่งหมายเพื่อให้มีอัตราการบีบอัดที่ดีกว่า ความเร็วในการคลายการบีบอัดที่เร็วกว่า และฟีเจอร์ที่ดียิ่งขึ้นสำหรับการกู้คืนข้อมูลและการจัดการไฟล์เก็บถาวร
แกนหลักของรูปแบบ NEWC ประกอบด้วยส่วนหัวหลักที่ตามด้วยส่วนหัวของไฟล์และข้อมูลไฟล์ที่บีบอัด ส่วนหัวหลักมีข้อมูลเมตาเกี่ยวกับไฟล์เก็บถาวร เช่น ลายเซ็น NEWC หมายเลขเวอร์ชัน ขนาดทั้งหมด และจำนวนไฟล์ ส่วนหัวของไฟล์แต่ละส่วนมีข้อมูล เช่น ชื่อไฟล์ แอตทริบิวต์ แสตมป์เวลา ผลรวมตรวจสอบ CRC32 ขนาดที่บีบอัดและไม่บีบอัด
NEWC ใช้โครงสร้างไฟล์เก็บถาวรแบบถาวร ซึ่งไฟล์จะเชื่อมต่อกันและบีบอัดเป็นสตรีมข้อมูลต่อเนื่องเดียว วิธีนี้ช่วยให้มีอัตราการบีบอัดที่ดีกว่าโดยใช้ประโยชน์จากความซ้ำซ้อนในหลายไฟล์ อย่างไรก็ตาม นั่นยังหมายความว่าการแยกไฟล์เดียวต้องคลายการบีบอัดไฟล์เก็บถาวรทั้งหมดจนถึงจุดนั้น ซึ่งอาจช้ากว่าการแยกจากรูปแบบที่ไม่ถาวร เช่น ZIP
อัลกอริทึมการบีบอัดที่ใช้ใน NEWC อิงตามการใช้งานของ Eugene Roshal เอง ซึ่งรวมการบีบอัด Lempel-Ziv-Storer-Szymanski (LZSS) เข้ากับการสร้างแบบจำลองทางสถิติโดยใช้ Prediction by Partial Matching (PPM) LZSS เป็นอัลกอริทึมที่ใช้พจนานุกรมซึ่งแทนที่ลำดับที่ซ้ำกันด้วยการอ้างอิงถึงการเกิดขึ้นก่อนหน้า PPM สร้างแบบจำลองของข้อมูลอินพุตเพื่อทำนายความน่าจะเป็นเกี่ยวกับสัญลักษณ์ที่จะเกิดขึ้น ซึ่งช่วยใ ห้เข้ารหัสเอนโทรปีได้อย่างมีประสิทธิภาพยิ่งขึ้น
หนึ่งในฟีเจอร์หลักของ NEWC คือการรองรับระเบียนการกู้คืน รายการพิเศษเหล่านี้สลับกับข้อมูลที่บีบอัดซึ่งจัดเก็บข้อมูลเกี่ยวกับโครงสร้างและเนื้อหาของไฟล์เก็บถาวร ในกรณีที่ไฟล์เสียหาย ระเบียนการกู้คืนสามารถใช้เพื่อสร้างส่วนที่เสียหายของไฟล์เก็บถาวรใหม่และกู้คืนไฟล์ที่สมบูรณ์ รูปแบบนี้ยังรวมถึงความซ้ำซ้อนสำหรับส่วนหัวหลักและส่วนหัวของไฟล์เพื่อปรับปรุงความยืดหยุ่นต่อการสูญหายของข้อมูล
NEWC มีวิธีการหลายวิธีในการแบ่งไฟล์เก็บถาวรออกเป็นหลายไดรฟ์ วิธีนี้มีประโยชน์สำหรับการจัดเก็บไฟล์เก็บถาวรขนาดใหญ่ในหลายดิสก์หรือสำหรับการส่งผ่านเครือข่ายที่มีข้อจำกัดด้านขนาด รูปแบบนี้รองรับการสร้างไดรฟ์ที่มีขนาดที่กำหนด รวมถึงการใช้รายการไฟล์เป็นเครื่องหมายไดรฟ์ นอกจากนี้ยังมีกลไกสำหรับการตรวจสอบความสมบูรณ์และการกู้คืนไฟล์เก็บถาวรหลายไดรฟ์
ในแง่ของการจัดการไฟล์เก็บถาวร NEWC มีฟีเจอร์มากมาย รองรับการเพิ่ม ลบ และอัปเดตไฟล์ภายในไฟล์เก็บถาวรที่มีอยู่ ความคิดเห็นของไฟล์สามารถเชื่อมโยงกับรายการแต่ละรายการเพื่อจัดเก็บข้อมูลเมตาเพิ่มเติม รูปแบบนี้ยังอนุญาตให้เข้ารหัสและป้องกันไฟล์เก็บถาวรด้วยรหัสผ่านโดยใช้อัลกอริทึม AES ในโหมด CBC
NEWC ได้รับความนิยมเนื่องจากอัตราการบีบอัดที่สูงและความเร็วในการคลายการบีบอัดที่รวดเร็ว ใช้กันอย่างแพร่หลายสำหรับการแจกจ่ายซอฟต์แวร์ การอัปเดตเฟิร์มแวร์ และการสำรองข้อมูล รูปแบบนี้ได้รับการนำมาใช้โดยแอปพลิเคชันและยูทิลิตี้ต่างๆ รวมถึง WinRAR, 7-Zip และ PowerArchiver
แม้ว่า NEWC จะมีประโยชน์มากมาย แต่ก็มีข้อจำกัดบางประการ โครงสร้างไฟล์เก็บถาวรแบบถาวรอาจทำให้การเข้าถึงแบบสุ่มและการแยกบางส่วนช้าลงเมื่อเทียบกับรูปแบบที่ไม่ถาวร การพึ่งพาอัลกอริทึมการบีบอัดเพียงอัลกอริทึมเดียวอาจไม่ได้ให้ผลลัพธ์ที่ดีที่สุดสำหรับข้อมูลทุกประเภท นอกจากนี้ ความซับซ้อนและลักษณะเฉพาะของรูปแบบยังขัดขวางการนำไปใช้ในบางบริบท
แม้จะมีความท้าทายเหล่านี้ NEWC ยังคงเป็นรูปแบบไฟล์เก็บถาวรที่สำคัญและใช้กันอย่างแพร่หลาย ประสิทธิภาพ ความทนทาน และชุดฟีเจอร์ทำให้เป็นเครื่องมือที่มีค่าสำหรับการบีบอัดข้อมูลและการเก็บถาวร เมื่อความต้องการในการจัดเก็บและส่งข้อมูลยังคงเติบโตต่อไป รูปแบบ NEWC จึงอยู่ในตำแหน่งที่ดีที่จะมีบทบาทสำคัญในการจัดการและรักษาข้อมูลดิจิทัล
การบีบอัดไฟล์ช่วยลดความซ้ำซ้อนเพื่อให้ข้อมูลเดียวกันใช้บิตน้อยลง ขีดจำกัดสูงสุดของระยะทางที่คุณ สามารถไปได้ถูกควบคุมโดยทฤษฎีข้อมูล: สำหรับการบีบอัดแบบไม่สูญเสียข้อมูล ขีดจำกัดคือเอนโทรปีของแหล่งที่มา (ดู ทฤษฎีบทการเข้ารหัสต้นทาง ของแชนนอนและบทความต้นฉบับของเขาในปี 1948 “ทฤษฎีทางคณิตศาสตร์ของการสื่อสาร”) สำหรับการบีบอัดแบบสูญเสียข้อมูล การแลกเปลี่ยนระหว่างอัตราและคุณภาพถูกจับโดย ทฤษฎีอัตรา-ความผิดเพี้ยน.
คอมเพรสเซอร์ส่วนใหญ่มีสองขั้นตอน ขั้นแรก แบบจำลอง จะทำนายหรือเปิดเผยโครงสร้างในข้อมูล ประการที่สอง ตัวเข้ารหัส จะเปลี่ยนการคาดการณ์เหล่านั้นให้เป็นรูปแบบบิตที่เกือบจะเหมาะสมที่สุด ตระกูลการสร้างแบบจำลองแบบคลาสสิกคือ Lempel–Ziv: LZ77 (1977) และ LZ78 (1978) ตรวจจับสตริงย่อยที่ซ้ำกันและส่งออกการอ้างอิงแทนไบต์ดิบ ในด้านการเข้ารหัส การเข้ารหัสฮัฟฟ์แมน (ดูบทความต้นฉบับ 1952) กำหนดรหัสที่สั้นกว่าให้กับสัญลักษณ์ที่มีแนวโน้มมากกว่า การเข้ารหัสเลขคณิต และ การเข้ารหัสช่วง เป็นทางเลือกที่ละเอียดกว่าซึ่งบีบเข้าใกล้ขีดจำกัดเอนโทรปีมากขึ้น ในขณะที่ ระบบเลขไม่สมมาตร (ANS) ที่ทันสมัยบรรลุการบีบอัดที่คล้ายกันด้วยการใช้งานที่ขับเคลื่อนด้วยตารางที่รวดเร็ว
DEFLATE (ใช้โดย gzip, zlib และ ZIP) รวม LZ77 เข้ากับการเข้ารหัสฮัฟฟ์แมน ข้อกำหนดของมันเป็นแบบสาธารณะ: DEFLATE RFC 1951, zlib wrapper RFC 1950, และรูปแบบไฟล์ gzip RFC 1952. Gzip ถูกจัดเฟรมสำหรับการสตรีมและอย่างชัดเจน ไม่พยายามให้การเข้าถึงแบบสุ่ม. รูปภาพ PNG กำหนดมาตรฐาน DEFLATE เป็นวิธีการบีบอัดเพียงวิธีเดียว (โดยมีหน้าต่างสูงสุด 32 KiB) ตามข้อกำหนด PNG “วิธีการบีบอัด 0… deflate/inflate… มากที่สุด 32768 ไบต์” และ W3C/ISO PNG ฉบับที่ 2.
Zstandard (zstd): คอมเพรสเซอร์สำหรับวัตถุประสงค์ทั่วไปรุ่นใหม่ที่ออกแบบมาสำหรับอัตราส่วนที่สูงพร้อมการคลายการบีบอ ัดที่รวดเร็วมาก รูปแบบ được ghi lại trong RFC 8878 (cũng gương HTML) và thông số kỹ thuật tham chiếu trên GitHub. Giống như gzip, khung cơ bản không nhắm đến truy cập ngẫu nhiên. Một trong những siêu năng lực của zstd là từ điển: các mẫu nhỏ từ kho dữ liệu của bạn giúp cải thiện đáng kể việc nén trên nhiều tệp nhỏ hoặc tương tự (xem tài liệu từ điển python-zstandard và ví dụ làm việc của Nigel Tao). Các triển khai chấp nhận cả từ điển “không có cấu trúc” và “có cấu trúc” (thảo luận).
Brotli: เหมาะสำหรับเนื้อหาเว็บ (เช่น แบบอักษร WOFF2, HTTP) มันผสมพจนานุกรมคงที่กับ แกน LZ+เอนโทรปีที่คล้ายกับ DEFLATE ข้อกำหนดคือ RFC 7932ซึ่งยังบันทึก หน้าต่างเลื่อนของ 2WBITS−16 โดย WBITS อยู่ใน [10, 24] (1 KiB−16 B ถึง 16 MiB−16 B) และ ไม่พยายามเข้าถึงแบบสุ่ม. Brotli มักจะเอาชนะ gzip ในข้อความเว็บในขณะที่ถอดรหัสได้อย่างรวดเร็ว
คอนเทนเนอร์ ZIP: ZIP เป็น ไฟล์เก็บถาวร ที่สามารถจัดเก็บรายการด้วยวิธีการบีบอัดต่างๆ (deflate, store, zstd, etc.) มาตรฐานโดยพฤตินัยคือ APPNOTE ของ PKWARE (ดู พอร์ทัล APPNOTE, สำเนาที่โฮสต์, และภาพรวม LC รูปแบบไฟล์ ZIP (PKWARE) / ZIP 6.3.3).
LZ4 มุ่งเป้าไปที่ความเร็วล้วนๆ ด้วยอัตราส่วนที่พอประมาณ ดู หน้าโครงการ ( “การบีบอัดที่รวดเร็วอย่างยิ่ง”) และ รูปแบบเฟรม. เหมาะอย่างยิ่งสำหรับแคชในหน่วยความจำ, telemetry, หรือ hot paths ที่การคลายการบีบอัดต้องใกล้เคียงกับความเร็วของ RAM
XZ / LZMA ผลักดันความหนาแน่น (อัตราส่วนที่ดี) ด้วยการบีบอัดที่ค่อนข้างช้า XZ เป็นคอนเทนเนอร์; งานหนักส่วนใหญ่มักทำโดย LZMA/LZMA2 (การสร้างแบบจำลองคล้าย LZ77 + การเข้ารหัสช่วง) ดู รูปแบบไฟล์ .xz, ข้อมูลจำเพาะของ LZMA (Pavlov), และบันทึกเคอร์เนลของลินุกซ์ บน XZ Embedded. XZ มักจะบีบอัดได้ดีกว่า gzip และมักจะแข่งขันกับตัวแปลงสัญญาณที่ทันสมัยที่มีอัตราส่วนสูง แต่ใช้เวลาเข้ารหัสนานกว่า
bzip2 ใช้ การแปลง Burrows–Wheeler (BWT), move-to-front, RLE, และการเข้ารหัสฮัฟฟ์แมน โดยทั่วไปจะมีขนาดเล็กกว่า gzip แต่ช้ากว่า; ดู คู่มืออย่างเป็นทางการ และหน้า man (Linux).
“ขนาดหน้าต่าง” มีความสำคัญ การอ้างอิง DEFLATE สามารถมองย้อนกลับไปได้เพียง 32 KiB (RFC 1951 และขีดจำกัด 32 KiB ของ PNG ที่ระบุไว้ที่นี่). หน้าต่างของ Brotli มีตั้งแต่ประมาณ 1 KiB ถึง 16 MiB (RFC 7932). Zstd ปรับแต่งหน้าต่างและความลึกของการค้นหาตามระดับ (RFC 8878). สตรีมพื้นฐานของ gzip/zstd/brotli ได้รับการออกแบบมาสำหรับการถอดรหัสตามลำดับ; รูปแบบพื้นฐาน ไม่รับประกันการเข้าถึงแบบสุ่ม, แม้ว่าคอนเทนเนอร์ (เช่น ดัชนี tar, เฟรมแบบแบ่งส่วน, หรือดัชนีเฉพาะรูปแบบ) สามารถแบ่งชั้นได้
รูปแบบข้างต้นคือ ไม่สูญเสียข้อมูล: คุณสามารถสร้างไบต์ที่แน่นอนขึ้นมาใหม่ได้ ตัวแปลงสัญญาณสื่อมักเป็น สูญเสียข้อมูล: พวกเขาทิ้งรายละเอียดที่มองไม่เห็นเพื่อให้อัตราบิตต่ำลง ในภาพ, JPEG แบบคลาสสิก (DCT, การหาปริมาณ, การเข้ารหัสเอนโทรปี) ถูกกำหนดมาตรฐานใน ITU-T T.81 / ISO/IEC 10918-1. ในด้านเสียง, MP3 (MPEG-1 Layer III) และ AAC (MPEG-2/4) อาศัยแบบจำลองการรับรู้และการแปลง MDCT (ดู ISO/IEC 11172-3, ISO/IEC 13818-7, และภาพรวม MDCT ที่นี่). การสูญเสียและไม่สูญเสียข้อมูลสามารถอยู่ร่วมกันได้ (เช่น PNG สำหรับเนื้อหา UI; ตัวแปลงสัญญาณเว็บสำหรับภาพ/วิดีโอ/เสียง)
ทฤษฎี: แชนนอน 1948 · อัตรา-ความผิดเพี้ยน · การเข้ารหัส: ฮัฟฟ์แมน 1952 · การเข้ารหัสเลขคณิต · การเข้ารหัสช่วง · ANS. รูปแบบ: DEFLATE · zlib · gzip · Zstandard · Brotli · เฟรม LZ4 · รูปแบบ XZ. สแต็ก BWT: Burrows–Wheeler (1994) · คู่มือ bzip2. สื่อ: JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
สรุป: เลือกคอมเพรสเซอร์ที่ตรงกับข้อมูลและข้อจำกัดของคุณ วัดผลจากข้อมูลจริง และ อย่าลืมประโยชน์จากพจนานุกรมและการจัดเฟรมอย่างชาญฉลาด ด้วยการจับคู่ที่เหมาะสม คุณจะได้รับ ไฟล์ขนาดเล็กลง, การถ่ายโอนที่เร็วขึ้น, และแอปที่เร็วขึ้น — โดยไม่สูญเสียความถูกต้องหรือการพกพา
การบีบอัดไฟล์คือกระบวนการที่ลดขนาดไฟล์หรือไฟล์ทั้งหมด โดยทั่วไปจะใช้เพื่อประหยัดพื้นที่จัดเก็บหรือเร่งความเร็วในกา รส่งผ่านเครือข่าย
การบีบอัดไฟล์ทำงานโดยระบุและการนำข้อมูลที่ซ้ำซ้อนออก มันใช้อัลกอริทึมเพื่อเข้ารหัสข้อมูลเดิมในพื้นที่ที่เล็กกว่า
สองประเภทหลักของการบีบอัดไฟล์คือการบีบอัดแบบสูญเสียและแบบไม่สูญเสีย การบีบอัดแบบไม่สูญเสียอนุญาตให้ไฟล์เดิมสามารถถูกกู้คืนได้แบบสมบูรณ์เมื่อการบีบอัดแบบสูญเสียช่วยลดขนาดไฟล์อย่างมากด้วยการสูญเสียคุณภาพข้อมูลบางส่วน
ตัวอย่างของเครื่องมือการบีบอัดไฟล์ที่นิยมคือ WinZip ซึ่งรองรับรูปแบบการบีบอัดหลายรูปแบบ รวมถึง ZIP และ RAR
ด้วยการบีบอัดแบบไม่สูญเสีย คุณภาพจะไม่เปลี่ยนแปลง หากแต่ด้วยการบีบอัดแบบสูญเสีย อาจมีการลดลงของคุณภาพเพราะการกำจัดข้อมูลที่ไม่สำคัญเพื่อลดขนาดไฟล์มากขึ้น
ใช่ การบีบอัดไฟล์ปลอดภัยในเชิงของความไม่เปล่าเสีย โดยเฉพาะด้วยการบีบอัดแบบไม่สูญเสีย แต่เหมือนกับไฟล์ใด ๆ ไฟล์ที่ถูกบีบอัดสามารถถูกกลายเป็นเป้าหมายของมัลแวร์หรือไวรัส ดังนั้นเสมอแล้วควรมีซอฟต์แวร์ความปลอดภัยที่น่าเชื่อถือ
แทบทุกประเภทของไฟล์สามารถบีบอัดได้ รวมถึงไฟล์ข้อความ ภาพ ข้อมูลเสียง วิดีโอ และไฟล์ซอฟต์แวร์ อย่างไรก็ตาม ระดับการบีบอัดที่สามารถทำได้สามารถแตกต่างกันอย่างมากขึ้นอยู่กับประเภทไฟล์
ไฟล์ ZIP เป็นประเภทของรูปแบบไฟล์ที่ใช้การบีบอัดแบบไม่สูญเสียเพื่อลดขนาดไฟล์หนึ่งหรือหลายไฟล์ ไฟล์หลายไฟล์ในไฟล์ ZIP ถูกจัดรวมเข้าด้วยกันเป็นไฟล์เดียวทำให้การแบ่งปันง่ายขึ้น
จริงแล้วด้วยทางเทคนิค คุณสามารถบีบอัดไฟล์ที่ถูกบีบอัดแล้ว แต่การลดขนาดเพิ่มเติมอาจจะมีน้อยหรือแม้แต่ทำงานตรงข้าม การบีบอัดไฟล์ที่ถูกบีบอัดแล้วอาจทำให้ขนาดของมันเพิ่มขึ้นเนื่องจากมีการเพิ่มข้อมูลเมตาดาตาโดยอัลกอริทึมการบีบอัด
เพื่อถอดการบีบอัดไฟล์ คุณโดยทั่วไปจะต้องมีเครื่องมือการถอดความกดหรือ unzip เช่น WinZip หรือ 7-Zip เครื่องมือเหล่านี้สามารถแยกไฟล์เดิมออกจากรูปแบบที่ถูกบีบอัด