Ar (arşivleyici) formatı, tek bir dosyada birden fazla dosyayı depolayan arşiv dosyaları oluşturmak ve işlemek için kullanılan bir dosya formatıdır. Unix sistemlerinde ortaya çıkmış ve yaygın olarak BSD tabanlı işletim sistemlerinde kullanılır. Ar formatı, birden fazla dosyayı depolama veya dağıtım için bir araya getirmenin basit ve verimli bir yoludur.
Bir ar arşiv dosyası, bir dizi arşiv üyesinin ardından gelen genel bir başlıktan oluşur. Her arşiv üyesi, arşivde depolanan bir dosyayı temsil eder. Genel başlık, dosyayı bir ar arşivi olarak tanımlayan ve arşiv format sürümü hakkında temel bilgiler sağlayan basit bir metin başlığıdır.
Bir ar arşivinin genel başlığı, "!<arch>\n" imza dizesiyle başlar. Bu imza, bir satır sonu karakteri ile takip edilir ve dosyayı bir ar arşivi olarak tanımlamaya yarar. İmzanın ardından, her biri arşivde depolanan bir dosyayı temsil eden bir dizi dosya üyesi gelir.
Bir ar arşivindeki her dosya üyesi, bir dosya başlığından ve dosya verilerinin kendisinden oluşur. Dosya başlığı, dosya adı, değiştirme zaman damgası, sahip ve grup kimlikleri, dosya modu ve boyutu gibi dosya hakkında meta veriler içerir. Dosya başlığı 60 bayt sabit boyuta sahiptir ve şu şekilde yapılandırılmıştır:
- Dosya adı (16 bayt): Dosyanın adını temsil eden null ile sonlandırılmış bir dize. Dosya adı 15 karakterden uzunsa, kesilir ve özel "/" sembolü, tam dosya adının ayrı bir dosya üyesinde depolandığını belirtmek için kullanılır.
- Dosya değiştirme zaman damgası (12 bayt): 1 Ocak 1970'ten (Unix epoch zamanı) itibaren saniye cinsinden dosyanın değiştirme zaman damgasını temsil eden ondalık bir tamsayı.
- Sahip kimliği (6 bayt): Dosyanın sahibinin kullanıcı kimliğini temsil eden ondalık bir tamsayı.
- Grup kimliği (6 bayt): Dosyanın grubunun grup kimliğini temsil eden ondalık bir tamsayı.
- Dosya modu (8 bayt): Dosyanın modunu ve izinlerini temsil eden sekizlik bir tamsayı.
- Dosya boyutu (10 bayt): Dosyanın boyutunu bayt cinsinden temsil eden ondalık bir tamsayı.
- Bitiş karakterleri (2 bayt): Dosya başlığının sonunu gösteren iki özel karakter, "`\n`" (tırnak işareti ardından satır sonu).
Dosya başlığından sonra, dosya verilerinin kendisi depolanır. Dosya verilerinin boyutu, başlıkta belirtilen dosya boyutuna göre belirlenir. Dosya boyutu tek ise, bir sonraki dosya üyesi için doğru hizalamayı sağlamak için fazladan bir dolgu baytı eklenir.
Bir ar arşivindeki özel bir dosya üyesi, "/ " adına sahip sembol tablosudur. Sembol tablosu, dosya başlığındaki 15 karakter sınırını aşan uzun dosya adlarını depolamak için kullanılır. Bir dosya adı çok uzun olduğunda, dosya başlığında kesilir ve tam ad sembol tablosunda depolanır. Sembol tablosu, uzun dosya adlarını temsil eden null ile sonlandırılmış dizelerin bir listesini içeren özel bir dosya üyesidir.
Bir diğer özel dosya üyesi, "/[0-9]+" adına sahip uzun dosya adı üyesidir. Bu dosya üyesi, sembol tablosuyla birlikte kullanılır. Bir dosya adı dosya başlığına sığmayacak kadar uzun olduğunda, sembol tablosunda "/[offset]/[length]" biçiminde özel bir giriş oluşturulur; burada "offset", tam dosya adının depolandığı uzun dosya adı üyesindeki bayt ofsetidir ve "length", tam dosya adının uzunluğudur.
Ar formatı ayrıca, arşiv dosyaları oluştururken veya işlerken kullanılabilecek çeşitli seçenekleri ve bayrakları da destekler. Bazı yaygın seçenekler şunlardır:
- "r": Mevcut bir arşive dosyalar ekler ve aynı ada sahip mevcut dosyaların yerini alır. - "c": Mevcut bir dosyanın yerini alarak yeni bir arşiv dosyası oluşturur. - "u": Mevcut bir arşivdeki dosyaları günceller, yeni dosyalar ekler veya dosyaların eski sürümlerinin yerini alır. - "d": Mevcut bir arşivden dosyaları siler. - "t": Bir arşivin içeriğini listeler.
Ar formatının bir sınırlaması, sıkıştırmayı desteklememesidir. Bir ar arşivinde depolanan dosyalar sıkıştırılmaz ve orijinal formatlarında depolanır. Ancak, ar arşivleri, sıkıştırılmış arşivler oluşturmak için gzip veya bzip2 gibi sıkıştırma yardımcı programlarıyla birlikte kullanılabilir.
Basitliğine rağmen, ar formatı onlarca yıldır yaygın olarak kullanılmaktadır ve Unix ve BSD sistemlerinde kitaplık dosyaları oluşturmak ve dağıtmak için standart bir format olmaya devam etmektedir. "ar" komutunun kendisi, sembol tabloları oluşturmak için "ranlib" komutu ve nesne dosyalarındaki sembolleri listelemek için "nm" komutu gibi birçok yaygın Unix yardımcı programı ar arşivleriyle çalışır.
Özetle, ar (arşivleyici) formatı, Unix ve BSD sistemlerinde arşiv dosyaları oluşturmak ve işlemek için kullanılan basit ve verimli bir dosya formatıdır. Arşivi tanımlayan genel bir başlıktan ve arşivde depolanan dosyaları temsil eden bir dizi dosya üyesinden oluşur. Ar formatı, bir sembol tablosu ve özel dosya üyeleri kullanarak uzun dosya adlarını destekler. Yerleşik sıkıştırma sağlamazken, ar arşivleri sıkıştırılmış arşivler oluşturmak için sıkıştırma yardımcı programlarıyla birleştirilebilir. Ar formatı onlarca yıldır yaygın olarak kullanılmaktadır ve Unix ve BSD sistemlerinde dosyaları paketlemek ve dağıtmak için standart bir format olmaya devam etmektedir.
Dosya sıkıştırma, aynı bilgiyi daha az bit ile temsil etmek için fazlalıkları azaltır. Ne kadar küçülebileceğinizi belirleyen üst sınır bilgi teorisidir: kayıpsız sıkıştırmada limit kaynağın entropisidir (bkz. Shannon'ın kaynak kodlama teoremi source coding theorem ve 1948 tarihli “A Mathematical Theory of Communication”). Kayıplı sıkıştırmada bit hızı ile kalite arasındaki dengeyi rate–distortion teorisiaçıklar.
Çoğu sıkıştırıcı iki aşamalıdır. Önce bir model verideki yapıyı tahmin eder veya ortaya çıkarır. Ardından bir coder bu tahminleri neredeyse optimal bit kalıplarına çevirir. Klasik aile Lempel–Ziv'dir LZ77 (1977) ve LZ78 (1978) tekrarlanan alt dizileri bulup ham bayt yerine referans yazar. Kodlama tarafında Huffman kodlama (bkz.1952 makalesi) olasılığı yüksek sembollere daha kısa kodlar verir. Aritmetik kodlama ve range coding entropi sınırına daha da yaklaşır; modern Asymmetric Numeral Systems (ANS) ise tablo tabanlı uygulamalarla benzer oranlar elde eder.
DEFLATE (gzip, zlib, ZIP) LZ77 ile Huffman'ı birleştirir. Spesifikasyonlar a çık: DEFLATE RFC 1951, zlib sarmalayıcısı RFC 1950ve gzip formatı RFC 1952. Gzip akış için tasarlandı ve rastgele erişim vaat etmez. PNG, tek sıkıştırma yöntemi olarak DEFLATE'i (32 KiB pencere) standartlaştırır; bkz.“Compression method 0…” ve W3C/ISO PNG 2nd Edition.
Zstandard (zstd): yüksek oranlar ve çok hızlı açma için tasarlanan yeni nesil genel kompresör. Format RFC 8878 (ayrıca HTML yansısı) ve referans dokümanı GitHub'daaçıklanmıştır. Gzip gibi temel çerçeve rastgele erişim hedeflemez. Zstd'nin süper gücü sözlüklerdir: korpusunuzdan küçük örnekler birçok küçük/benzer dosyayı ciddi biçimde küçültür (bkz.python-zstandard sözlük dokümanları ve Nigel Tao örneği). Uygulamalar “unstructured” ve “structured” sözlükleri destekler (tartışma).
Brotli: web içeriği (örn. WOFF2 fontlar, HTTP) için optimize edildi. Statik sözlük ile DEFLATE benzeri LZ+entropi çekirdeğini birleştirir. Spesifikasyon RFC 7932, ayrıca WBITS [10, 24] (1 KiB−16 B ile 16 MiB−16 B) aralığında 2WBITS−16 kayar pencere ve rastgele erişim sağlamadığınıbelirtir. Brotli çoğu web metninde gzip'i geçer ve hızlı çözülür.
ZIP konteyneri: ZIP, farklı sıkıştırma yöntemleri (deflate, store, zstd vb.) taşıyabilen bir arşivdir. De facto standart PKWARE APPNOTE'tur (bkz.APPNOTE portalı, barındırılan kopyave LC özetleri ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 mütevazı oranlarla ham hız hedefler. Proje sayfasına (“extremely fast compression”) ve frame formatınabakın. RAM hızına yakın dekompresyon gerektiren bellek içi cache'ler, telemetri veya sıcak yollar için ideal.
XZ / LZMA yüksek yoğunluk (yüksek oran) için daha yavaş sıkıştırmayı göze alır. XZ bir konteynerdir; asıl işi genelde LZMA/LZMA2 (LZ77 benzeri modelleme + range coding) yapar. .xz formatı, LZMA spesifikasyonu (Pavlov)ve Linux kernel notları XZ Embeddedile XZ genelde gzip'ten daha iyi sıkıştırır ve modern yüksek oranlı codec'lerle rekabet eder, fakat kodlama süresi uzundur.
bzip2, Burrows–Wheeler dönüşümünü (BWT), move-to-front'u, RLE'yi ve Huffman'ı kullanır. Genellikle gzip'ten küçük ama daha yavaştır; resmi kılavuza ve man sayfasınabakın.
“Pencere boyutu” önemlidir. DEFLATE referansları yalnızca 32 KiB geriye bakabilir (RFC 1951) ve PNG'nin 32 KiB sınırı burada belirtilir. Brotli yaklaşık 1 KiB ile 16 MiB arası pencereleri destekler (RFC 7932). Zstd pencereyi ve arama derinliğini seviyeler ile ayarlar (RFC 8878). gzip/zstd/brotli'nin temel akışları ardışık çözümeye göre tasarlanır; formatların kendileri rastgele erişim garantilemez, ancak konteynerler (tar indeksleri, parça bazlı çerçeveler, format spesifik indeksler) ekleyebilir.
Yukarıdaki formatlar kayıpsızdır: aynı baytları geri alırsınız. Medya codec'leri genellikle kayıplıdır: daha düşük bit hızları için algılanmayan detayları atarlar. Görsellerde klasik JPEG (DCT, kantizasyon, entropi kodlama) ITU-T T.81 / ISO/IEC 10918-1içinde standarttır. Seste MP3 (MPEG-1 Layer III) ve AAC (MPEG-2/4) algısal modeller ve MDCT dönüşümleri kullanır (bkz.ISO/IEC 11172-3, ISO/IEC 13818-7ve MDCT özeti burada). Kayıplı ve kayıpsız yöntemler birlikte kullanılabilir (ör. UI için PNG; web codec'leri görsel/video/ses için).
Teori Shannon 1948 · Rate–distortion · Kodlama Huffman 1952 · Aritmetik kodlama · Range coding · ANS. Formatlar DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · XZ format. BWT zinciri Burrows–Wheeler (1994) · bzip2 kılavuzu. Medya JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Özetle: verilerinize ve kısıtlarınıza uyan bir sıkıştırıcı seçin, gerçek girdiler üzerinde ölçün ve sözlükler ile akıllı çerçevelemenin kazançlarını unutmayın. Doğru eşleşme ile daha küçük dosyalar, daha hızlı transferler ve daha çevik uygulamalar elde eder, doğruluk veya taşınabilirlikten ödün vermezsiniz.
Dosya sıkıştırması, dosyanın boyutunu azaltma işlemidir, genellikle depolama alanını tasarruf etmek veya bir ağ üzerindeki iletimi hızlandırmak için kullanılır.
Dosya sıkıştırması, verilerdeki gereksiz bilgileri belirleyip çıkararak çalışır. İlk verileri daha küçük bir alanda kodlamak için algoritmalar kullanır.
Dosya sıkıştırmanın iki ana türü lossless (kayıpsız) ve lossy (kayıplı) sıkıştırmadır. Kayıpsız sıkıştırma, orijinal dosyanın mükemmel bir şekilde geri yüklenmesini sağlarken, kayıplı sıkıştırma, veri kalitesindeki bazı kayıpların maliyetine daha büyük ölçüde boyut küçültmeyi sağlar.
Popüler bir dosya sıkıştırma aracı örneği, ZIP ve RAR dahil olmak üzere birden fazla sıkıştırma formatını destekleyen WinZip'tir.
Kayıpsız sıkıştırma ile kalite değişmez. Ancak, kayıplı sıkıştırmada, dosya boyutunu daha da küçültmek için az önemli veriler çıkarıldığından kalitede belirgin bir azalma olabilir.
Evet, veri bütünlüğü açısından dosya sıkıştırması güvenlidir, özellikle kayıpsız sıkıştırmayla. Ancak, başka herhangi bir dosyada olduğu gibi, sıkıştırılmış dosyalar da zararlı yazılım veya virüsler tarafından hedef alınabilir, bu yüzden her zaman güvenilir bir güvenlik yazılımı bulundurmak önemlidir.
Neredeyse tüm dosya türleri sıkıştırılabilir, bu türler arasında metin dosyaları, resimler, ses, video ve yazılım dosyaları bulunur. Ancak, elde edilebilecek sıkıştırma seviyesi, dosya türlerine göre önemli ölçüde değişebilir.
ZIP dosyası, bir veya daha fazla dosyanın boyutunu azaltmak için kayıpsız sıkıştırmayı kullanan bir dosya formatı türüdür. ZIP dosyasındaki birden fazla dosya, tek bir dosyada etkili bir şekilde bir araya getirilir, bu da paylaşmayı kolaylaştırır.
Teknik olarak, evet, ancak ek boyut azaltma minimum veya hatta zararlı olabilir. Zaten sıkıştırılmış bir dosyayı sıkıştırmak, bazen sıkıştırma algoritması tarafından eklenen metadatanın neden olduğu boyut artışına neden olabilir.
Bir dosyayı açmak için genellikle bir açma veya açma aracına ihtiyacınız vardır, örneğin WinZip veya 7-Zip. Bu araçlar, sıkıştırılmış formatından orijinal dosyaları çıkarabilir.