GNU TAR (Kaset Arşivi) formatı, Unix benzeri işletim sistemlerinde yaygın olarak kullanılan bir dosya arşivi ve sıkıştırma formatıdır. Başlangıçta dosyaları manyetik kasete yedeklemek için tasarlanmıştı, ancak artık verimli depolama ve aktarım için birçok dosyayı tek bir sıkıştırılmış arşiv dosyasında toplamak için yaygın olarak kullanılmaktadır. TAR formatı, dosya özniteliklerini, dizin yapılarını korur ve çeşitli sıkıştırma algoritmalarını destekler.
Bir TAR arşiv dosyası, bir dizi dosya başlık kaydı ve dosya veri bloklarından oluşur. Arşivdeki her dosya, dosya hakkında meta veriler içeren bir başlık kaydıyla temsil edilir ve ardından dosya verilerinin kendisi gelir. Başlık kaydı 512 bayt boyutundadır ve dosya adı, dosya modu (izinler), sahip ve grup kimlikleri, dosya boyutu, değiştirme zamanı ve sağlama toplamı gibi alanlar içerir.
Başlık kaydındaki dosya adı alanı en fazla 100 karakter uzunluğunda olabilir. Bir dosya adı 100 karakteri aşarsa, ek 155 bayt olan 'ön ek' alanı kullanılarak saklanır. Önek, tam yolu oluşturmak için dosya adıyla birleştirilir. Dosya modu alanı, Unix dosya izinlerini ve dosya türünü (düzenli dosya, dizin, sembolik bağlantı vb.) içerir.
Başlık kaydının ardından, bitişik 512 baytlık bloklarda saklanan dosya verileri gelir. Dosya boyutu 512 baytın katı değilse, son blok boş baytlarla doldurulur. Her dosyanın veri blokları, dosyalar arasında ayırıcı veya sınırlayıcı olmaksızın arşivde sıralı olarak yazılır.
TAR arşivleri, normal dosya ve dizinlere ek olarak çeşitli başlık kayıt türlerini destekler. Sembolik bağlantılar ve sabit bağlantılar, hedef dosyaya başvuran özel başlık kayıtları kullanılarak temsil edilir. Aygıt dosyaları, adlandırılmış kanallar ve diğer özel dosya türleri de desteklenir. Genişletilmiş öznitelikler ve ACL'ler, pax değişim formatı başlıkları kullanılarak saklanabilir.
TAR formatının temel özelliklerinden biri, uzun dosya adlarını ve yollarını desteklemesidir. TAR'ın ilk sürümleri 100 karakterlik dosya adlarıyla sınırlıydı, ancak USTAR (Unix Standard TAR) formatı gibi sonraki sürümler bunu daha uzun adları destekleyecek şekilde genişletti. POSIX.1-2001 standardı, daha uzun dosya adlarına ve yollara ve ek meta veri alanlarına izin veren yeni bir genişletilebilir format tanıttı.
Sıkıştırma, dosya boyutunu azaltmak için genellikle TAR arşivleriyle birlikte kullanılır. En popüler sıkıştırma yöntemleri gzip (.tar.gz veya .tgz), bzip2 (.tar.bz2) ve xz (.tar.xz)'dir. Bu sıkıştırılmış TAR arşivleri, önce normal bir TAR arşivi oluşturularak ve ardından seçilen sıkıştırma algoritmasıyla sıkıştırılarak oluşturulur. Sıkıştırılmış bir TAR arşivini çıkarırken, önce sıkıştırma kaldırılır ve ardından normal TAR çıkarma işlemi uygulanır.
TAR formatı ayrıca yerleşik hata algılama ve kurtarma mekanizmaları içerir. Her başlık kaydı, arşiv oluşturulduğunda hesaplanan bir sağlama toplamı alanı içerir. Dosyalar bir TAR arşivinden çıkarılırken, veri bütünlüğünü sağlamak için sağlama toplamı doğrulanır. Bir sağlama toplamı uyuşmazlığı tespit edilirse, bir hata bildirilir ve çıkarma işlemi etkilenen dosyayı atlayabilir veya mümkün olduğunca fazla veriyi kurtarmaya çalışabilir.
Temel TAR formatına ek olarak, kullanımda olan çeşitli varyasyonlar ve uzantılar vardır. Linux dağıtımlarında yaygın olarak kullanılan GNU TAR sürümü, çoklu birim arşivler, seyrek dosya desteği ve artımlı yedeklemeler gibi ek özellikler içerir. Star ve pax gibi diğer uzantılar, gelişmiş performans, Unix dışı sistemlerle uyumluluk ve genişletilmiş meta veriler için destek sunar.
Yaşına ve sınırlamalarına rağmen, TAR formatı basitliği, taşınabilirliği ve farklı platformlar ve araçlar arasında geniş desteği nedeniyle yaygın olarak kullanılmaya devam etmektedir. Birçok üst düzey yedekleme ve arşivleme çözümü için bir temel görevi görür ve genellikle yazıl ım paketlerini ve kaynak kodunu dağıtmak için bir kapsayıcı formatı olarak kullanılır. Yeni teknolojiler ve depolama ortamları ortaya çıktıkça, TAR formatı değişen ihtiyaçları karşılamak için uyarlanmış ve geliştirilmiş ve modern bilgi işlem ortamlarında sürekli alaka düzeyini sağlamıştır.
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 açık: 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 yazıl ımı 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.