PAX (Packed Archive Format) เป็นรูปแบบไฟล์ที่ใช้สำหรับการเก็บถาวรและการบีบอัดไฟล์และไดเร็กทอรี เดิมทีได้รับการพัฒนาโดย Google และใช้เทคนิคต่างๆ จากรูปแบบ ZIP และ tar PAX มุ่งมั่นที่จะให้การบีบอัดที่มีประสิทธิภาพ การเข้าถึงไฟล์แบบสุ่มที่รวดเร็ว และความสามารถในการขยายสำหรับเมตาดาต้าแบบกำหนดเอง
แกนหลักของที่เก็บถาวร PAX ประกอบด้วยไดเร็กทอรีส่วนกลางที่มีเมตาดาต้าเกี่ยวกับไฟล์ที่เก็บถาวร ตามด้วยข้อมูลไฟล์ที่บีบอัด ไดเร็กทอรีส่วนกลางจะอยู่ที่ส่วนท้ายของที่เก็บถาวรเสมอเพื่อให้เข้าถึงได้อย่างรวดเร็วโดยไม่ต้องสแกนไฟล์ทั้งหมด
รายการไฟล์แต่ละรายการในไดเร็กทอรีส่วนกลางมีข้อมูลต่างๆ เช่น เส้นทางไฟล์ ขนาด แสตมป์เวลา ผลรวมตรวจสอบ CRC32 และวิธีการบีบอัดที่ใช้ เส้นทางไฟล์จะถูกเก็บไว้เป็นสตริง Unicode เพื่อรองรับชื่อไฟล์ที่ไม่ใช่ ASCII PAX ใช้การเข้ารหัส UTF-8 สำหรับเส้นทางไฟล์
สำหรับการบีบอัด PAX รองรับอัลกอริทึมต่างๆ รวมถึง DEFLATE, Brotli และ Zstandard (zstd) DEFLATE เป็นวิธีเริ่มต้น ซึ่งเป็นอัลกอริทึมเดียวกับที่ใช้ใน ZIP และ gzip ให้สมดุลที่ดีระหว่างอัตราการบีบอัดและความเร็ว Brotli และ Zstandard เป็นอัลกอริทึมใหม่กว่าที่สามารถให้การบีบอัดที่ดีกว่า โดยเฉพาะสำหรับข้อมูลบางประเภท เช่น ไฟล์ข้อความ โดยแลกกับความเร็วในการบีบอัดและการคลายการบีบอัดที่ช้ากว่า
ข้อมูลไฟล์ที่บีบอัดใน PAX จะถูกเก็บไว้เป็นส่วนๆ โดยแต่ละส่วนมีขนาดสูงสุดที่คลายการบีบอัดแล้ว 1 MB การจัดเก็บแบบแบ่งส่วนนี้ช่วยให้เข้าถึงไฟล์แบบสุ่มได้อย่างมีประสิทธิภาพ เนื่องจากจำเป็นต้องค้นหาและคลายการบีบอัดเฉพาะส่วนที่จำเป็นเพื่อแยกไฟล์เฉพาะ แทนที่จะประมวลผลที่เก็บถาวรทั้งหมด
หนึ่งในคุณสมบัติหลักของ PAX คือการรองรับการบีบอัดแบบต่อเนื่อง ด้วยการบีบอัดแบบต่อเนื่อง ที่เก็บถาวรจะถูกจัดการเป็นสตรีมข้อมูลต่อเนื่องเดียว แทนที่จะเป็นคอลเลกชันของไฟล์แยกต่างหาก ซึ่งช่วยให้ตัวบีบอัดสามารถค้นหาความซ้ำซ้อนและรูปแบบต่างๆ ข้ามขอบเขตของไฟล์ ซึ่งอาจส่งผลให้ได้อัตราการบีบอัดที่สูงขึ้น อย่างไรก็ตาม การบีบอัดแบบต่อเนื่องอาจส่งผลต่อความสามารถในการเข้าถึงไฟล์แต่ละไฟล์ได้อย่างรวดเร็ว เนื่องจากอาจจำเป็นต้องคลายการบีบอัดที่เก็บถาวรทั้งหมดจนถึงไฟล์ที่ต้องการ
PAX ยังมีการตรวจสอบความสมบูรณ์เพื่อตรวจจับข้อมูลที่เสียหาย รายการไฟล์แต่ละรายการในไดเร็กทอรีส่วนกลางมีผลรวมตรวจสอบ CRC32 ของข้อมูลไฟล์ที่คลายการบีบอัดแล้ว เมื่อแยกไฟล์ PAX จะคำนวณผลรวมตรวจสอบของข้อมูลที่คลายการบีบอัดแล้วและเปรียบเทียบกับผลรวมตรวจสอบที่เก็บไว้เพื่อตรวจสอบความสมบูรณ์ นอกจากนี้ ที่เก็บถาวร PAX ยังสามารถมีลายเซ็นดิจิทัลแบบเลือกได้เพื่อให้การรับรองความถูกต้องและการตรวจจับการปลอมแปลง
เพื่อปรับปรุงประสิทธิภาพ PAX รองรับการบีบอัดและการคลายการบีบอัดแบบมัลติเธรด ไฟล์สามารถบีบอัดและเขียนลงในที่เก็บถาวรแบบขนาน โดยใช้คอร์ CPU หลายคอร์ ในทำนองเดียวกัน ในระหว่างการแยก ไฟล์หลายไฟล์สามารถคลายการบีบอัดได้พร้อมกัน การประมวลผลแบบขนานนี้สามารถเพิ่มความเร็วในการเก็บถาวรและการแยกไฟล์ได้อย่างมากบนระบบมัลติคอร์
ที่เก็บถาวร PAX ยังสามารถจัดเก็บเมตาดาต้าเพิ่มเติมนอกเหนือจากแอตทริบิวต์ไฟล์มาตรฐาน เมตาดาต้าแบบกำหนดเองสามารถกำหนดให้กับไฟล์และไดเร็กทอรีโดยใช้คู่คีย์-ค่า เมตาดาต้าน ี้จะถูกเก็บไว้ในไดเร็กทอรีส่วนกลางพร้อมกับรายการไฟล์ ตัวอย่างของเมตาดาต้าแบบกำหนดเอง ได้แก่ ข้อมูลผู้แต่ง หมวดหมู่ไฟล์ หรือข้อมูลเฉพาะแอปพลิเคชัน
การรองรับการสตรีมเป็นอีกหนึ่งคุณสมบัติของ PAX ที่เก็บถาวรสามารถสร้างและแยกได้ในลักษณะการสตรีม โดยไม่จำเป็นต้องโหลดที่เก็บถาวรทั้งหมดลงในหน่วยความจำ ซึ่งมีประโยชน์อย่างยิ่งเมื่อจัดการกับที่เก็บถาวรขนาดใหญ่หรือเมื่อทำงานกับทรัพยากรหน่วยความจำที่มีจำกัด การสตรีมช่วยให้สามารถสร้างที่เก็บถาวรได้แบบทันทีหรือประมวลผลขณะรับข้อมูลผ่านการเชื่อมต่อเครือข่าย
เพื่อความเข้ากันได้แบบย้อนหลังและความสามารถในการทำงานร่วมกัน ที่เก็บถาวร PAX สามารถมีที่เก็บถาวร ZIP สำรอง ที่เก็บถาวร ZIP จะถูกผนวกเข้าที่ส่วนท้ายของที่เก็บถาวร PAX และมีไฟล์เดียวกันในรูปแบบ ZIP แบบดั้งเดิม ซึ่ง ช่วยให้เครื่องมือรุ่นเก่าที่ไม่รองรับ PAX ยังคงแยกไฟล์จากส่วน ZIP ของที่เก็บถาวรได้
PAX ได้รับความนิยมเนื่องจากประสิทธิภาพ ความยืดหยุ่น และการใช้งานโอเพ่นซอร์ส รองรับโดยเครื่องมือและไลบรารีการเก็บถาวรต่างๆ บนแพลตฟอร์มต่างๆ การใช้งานอ้างอิงที่เรียกว่า libpax เขียนด้วย C และมี API ระดับต่ำสำหรับการสร้างและการแยกที่เก็บถาวร PAX
ข้อจำกัดอย่างหนึ่งของ PAX คือไม่รองรับการเข้ารหัสโดยตรง อย่างไรก็ตาม สามารถเข้ารหัสได้โดยการรวม PAX กับเทคนิคการเข้ารหัสอื่นๆ หรือโดยใช้เครื่องมือของบุคคลที่สามที่สร้างขึ้นบนรูปแบบ PAX
โดยสรุป PAX (Packed Archive Format) เป็นรูปแบบการเก็บถาวรไฟล์ที่มีความหลากหลายและมีประสิทธิภาพ ซึ่งมีคุณสมบัติต่างๆ เช่น การเข้าถึงแบบสุ่มที่รวดเร็ว การบีบอัดแบบต่อเนื่อง การประมวลผลแบบขนาน เมตาดาต้าแบบกำหนดเอง และการรองรับการสตรีม การผสมผสานระหว่างอัลกอริทึมการบีบอัด การจัดเก็บแบบแบ่งส่วน และความสามารถในการขยาย ทำให้เป็นตัวเลือกที่น่าสนใจสำหรับการเก็บถาวรและการแจกจ่ายไฟล์
การบีบอัดไฟล์ช่วยลดความซ้ำซ้อนเพื่อให้ข้อมูลเดียวกันใช้บิตน้อยลง ขีดจำกัดสูงสุดของระยะทางที่คุณสามารถไปได้ถูกควบคุมโดยทฤษฎีข้อมูล: 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 (โดยมีหน้าต่า งสูงสุด 32 KiB) ตามข้อกำหนด PNG “วิธีการบีบอัด 0… deflate/inflate… มากที่สุด 32768 ไบต์” และ W3C/ISO PNG ฉบับที่ 2.
Zstandard (zstd): คอมเพรสเซอร์สำหรับวัตถุประสงค์ทั่วไปรุ่นใหม่ที่ออกแบบมาสำหรับอัตราส่วนที่สูงพร้อมการคลายการบีบอัดที่รวดเร็วมาก 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 7932ซึ่งยังบันทึกหน้าต่างเลื่อนของ 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 ที่ระบุไว้ที่นี ่). 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 — โดยไม่สูญเสีย ความถูกต้องหรือการพกพา
การบีบอัดไฟล์คือกระบวนการที่ลดขนาดไฟล์หรือไฟล์ทั้งหมด โดยทั่วไปจะใช้เพื่อประหยัดพื้นที่จัดเก็บหรือเร่งความเร็วในการส่งผ่านเครือข่าย
การบีบอัดไฟล์ทำงานโดยระบุและการนำข้อมูลที่ซ้ำซ้อนออก มันใช้อัลกอริทึมเพื่อเข้ารหัสข้อมูลเดิมในพื้นที่ที่เล็กกว่า
สองประเภทหลักของการบีบอัดไฟล์คือการบีบอัดแบบสูญเสียและแบบไม่สูญเสีย การบีบอัดแบบไม่สูญเสียอนุญาตให้ไฟล์เดิมสามารถถูกกู้คืนได้แบบสมบูรณ์เมื่อการบีบอัดแบบสูญเสียช่วยลดขนาดไฟล์อย่างมากด้วยการสูญเสียคุณภาพข้อมูลบางส่วน
ตัวอย่างของเครื่องมือการบีบอัดไฟล์ที่นิยมคือ WinZip ซึ่งรองรับรูปแบบการบีบอัดหลายรูปแบบ รวมถึง ZIP และ RAR
ด้วยการบีบอัดแบบไม่สูญเสีย คุณภาพจะไม่เปลี่ยนแปลง หากแต่ด้วยการบีบอัดแบบสูญเสีย อาจมีการลดลงของคุณภาพเพราะการกำจัดข้อมูลที่ไม่สำคัญเพื่อลดขนาดไฟล์มากขึ้น
ใช่ การบีบอัดไฟล์ปลอดภัยในเชิงของความไม่เปล่าเสีย โดยเฉพาะด้วยการบีบอัดแบบไม่สูญเสีย แต่เหมือนกับไฟล์ใด ๆ ไฟล์ที่ถูกบีบอัดสามารถถูกกลายเป็นเป้าหมายของมัลแวร์หรือไวรัส ดังนั้นเสมอแล้วควรมี ซอฟต์แวร์ความปลอดภัยที่น่าเชื่อถือ
แทบทุกประเภทของไฟล์สามารถบีบอัดได้ รวมถึงไฟล์ข้อความ ภาพ ข้อมูลเสียง วิดีโอ และไฟล์ซอฟต์แวร์ อย่างไรก็ตาม ระดับการบีบอัดที่สามารถทำได้สามารถแตกต่างกันอย่างมากขึ้นอยู่กับประเภทไฟล์
ไฟล์ ZIP เป็นประเภทของรูปแบบไฟล์ที่ใช้การบีบอัดแบบไม่สูญเสียเพื่อลดขนาดไฟล์หนึ่งหรือหลายไฟล์ ไฟล์หลายไฟล์ในไฟล์ ZIP ถูกจัดรวมเข้าด้วยกันเป็นไฟล์เดียวทำให้การแบ่งปันง่ายขึ้น
จริงแล้วด้วยทางเทคนิค คุณสามารถบีบอัดไฟล์ที่ถูกบีบอัดแล้ว แต่การลดขนาดเพิ่มเติมอาจจะมีน้อยหรือแม้แต่ทำงานตรงข้ าม การบีบอัดไฟล์ที่ถูกบีบอัดแล้วอาจทำให้ขนาดของมันเพิ่มขึ้นเนื่องจากมีการเพิ่มข้อมูลเมตาดาตาโดยอัลกอริทึมการบีบอัด
เพื่อถอดการบีบอัดไฟล์ คุณโดยทั่วไปจะต้องมีเครื่องมือการถอดความกดหรือ unzip เช่น WinZip หรือ 7-Zip เครื่องมือเหล่านี้สามารถแยกไฟล์เดิมออกจากรูปแบบที่ถูกบีบอัด