GNU TAR (Tape Archive) là định dạng lưu trữ và nén tệp được sử dụng rộng rãi trên các hệ điều hành giống Unix. Ban đầu, định dạng này được thiết kế để sao lưu tệp vào băng từ, nhưng hiện nay thường được sử dụng để thu thập nhiều tệp thành một tệp lưu trữ nén duy nhất nhằm lưu trữ và truyền tải hiệu quả. Định dạng TAR cho phép bảo toàn các thuộc tính tệp, cấu trúc thư mục và hỗ trợ nhiều thuật toán nén khác nhau.
Tệp lưu trữ TAR bao gồm một loạt các bản ghi tiêu đề tệp và khối dữ liệu tệp. Mỗi tệp trong lưu trữ được biểu diễn bằng một bản ghi tiêu đề chứa siêu dữ liệu về tệp, theo sau là chính dữ liệu tệp. Bản ghi tiêu đề có kích thước 512 byte và chứa các trường như tên tệp, chế độ tệp (quyền), ID chủ sở hữu và nhóm, kích thước tệp, thời gian sửa đổi và tổng kiểm tra.
Trường tên tệp trong bản ghi tiêu đề có thể dài tới 100 ký tự. Nếu tên tệp vượt quá 100 ký tự, nó sẽ được lưu trữ bằng trường 'tiền tố', là 155 byte bổ sung. Tiền tố được nối với tên tệp để tạo thành đường dẫn đầy đủ. Trường chế độ tệp chứa các quyền tệp Unix và loại tệp (tệp thông thường, thư mục, liên kết tượng trưng, v.v.).
Tiếp theo bản ghi tiêu đề là dữ liệu tệp, được lưu trữ trong các khối 512 byte liên tiếp. Nếu kích thước tệp không phải là bội số của 512 byte, khối cuối cùng sẽ được đệm bằng các byte null. Các khối dữ liệu của mỗi tệp được ghi tuần tự trong lưu trữ, không có dấu phân cách hoặc giới hạn giữa các tệp.
Lưu trữ TAR hỗ trợ nhiều loại bản ghi tiêu đề ngoài các tệp và thư mục thông thường. Liên k ết tượng trưng và liên kết cứng được biểu diễn bằng các bản ghi tiêu đề đặc biệt tham chiếu đến tệp đích. Các tệp thiết bị, đường ống có tên và các loại tệp đặc biệt khác cũng được hỗ trợ. Các thuộc tính mở rộng và ACL có thể được lưu trữ bằng các tiêu đề định dạng trao đổi pax.
Một tính năng chính của định dạng TAR là hỗ trợ tên tệp và đường dẫn dài. Các phiên bản TAR đầu tiên bị giới hạn ở tên tệp 100 ký tự, nhưng các phiên bản sau, chẳng hạn như định dạng USTAR (Unix Standard TAR) được sử dụng rộng rãi, đã mở rộng điều này để hỗ trợ tên dài hơn. Tiêu chuẩn POSIX.1-2001 đã giới thiệu một định dạng mở rộng mới cho phép sử dụng tên tệp và đường dẫn thậm chí dài hơn, cũng như các trường siêu dữ liệu bổ sung.
Nén thường được sử dụng kết hợp với lưu trữ TAR để giảm kích thước tệp. Các phương pháp nén phổ biến nhất là gzip (.tar.gz hoặc .tgz), bzip2 (.tar.bz2) và xz (.tar.xz). Các lưu trữ TAR nén này được tạo bằng cách đầu tiên tạo một lưu trữ TAR thông thường rồi nén nó bằng thuật toán nén đã chọn. Khi giải nén lưu trữ TAR nén, trước tiên phải xóa nén, sau đó áp dụng quy trình giải nén TAR thông thường.
Định dạng TAR cũng bao gồm các cơ chế phát hiện và phục hồi lỗi tích hợp. Mỗi bản ghi tiêu đề chứa một trường tổng kiểm tra được tính toán khi lưu trữ được tạo. Khi giải nén các tệp từ lưu trữ TAR, tổng kiểm tra sẽ được xác minh để đảm bảo tính toàn vẹn của dữ liệu. Nếu phát hiện thấy tổng kiểm tra không khớp, một lỗi sẽ được báo cáo và quá trình giải nén có thể bỏ qua tệp bị ảnh hư ởng hoặc cố gắng khôi phục càng nhiều dữ liệu càng tốt.
Ngoài định dạng TAR cơ bản, còn có một số biến thể và tiện ích mở rộng đang được sử dụng. Phiên bản TAR của GNU, được sử dụng rộng rãi trong các bản phân phối Linux, bao gồm các tính năng bổ sung như lưu trữ nhiều ổ đĩa, hỗ trợ tệp thưa thớt và sao lưu gia tăng. Các tiện ích mở rộng khác, chẳng hạn như star và pax, cung cấp hiệu suất được cải thiện, khả năng tương thích với các hệ thống không phải Unix và hỗ trợ siêu dữ liệu mở rộng.
Mặc dù đã cũ và có những hạn chế, định dạng TAR vẫn được sử dụng rộng rãi do tính đơn giản, khả năng di động và được hỗ trợ rộng rãi trên nhiều nền tảng và công cụ khác nhau. Định dạng này đóng vai trò là nền tảng cho nhiều giải pháp sao lưu và lưu trữ cấp cao hơn và thường được sử dụng làm định dạng chứa để phân phối các gói phần mềm và mã nguồn. Khi các công nghệ và phương tiện lưu trữ mới xuất hiện, định dạng TAR đã thích ứng và phát triển để đáp ứng các nhu cầu thay đổi, đảm bảo tính liên quan liên tục của định dạng này trong các môi trường điện toán hiện đại.
Nén tệp giảm độ dư thừa để cùng một lượng thông tin sử dụng ít bit hơn. Giới hạn trên được quyết định bởi lý thuyết thông tin: với nén không mất dữ liệu, giới hạn là entropy của nguồn (xem định lý mã nguồn của Shannon source coding theorem và bài báo gốc năm 1948 “A Mathematical Theory of Communication”). Với nén mất dữ liệu, sự đánh đổi giữa bitrate và chất lượng được mô tả bởi lý thuyết rate–distortion.
Hầu hết bộ nén có hai giai đoạn. Đầu tiên một mô hình dự đoán hoặc lộ ra cấu trúc trong dữ liệu. Sau đó một bộ mã biến các dự đoán đó thành mẫu bit gần tối ưu. Gia đình kinh điển là Lempel–Ziv LZ77 (1977) và LZ78 (1978) phát hiện chuỗi lặp rồi phát các tham chiếu thay vì byte thô. Ở phía mã hóa mã Huffman (bài gốc 1952) gán mã ngắn hơn cho ký hiệu có xác suất cao. Mã hóa số học và range coding tiến gần hơn nữa tới giới hạn entropy, trong khi Asymmetric Numeral Systems (ANS) hiện đại đạt được tỷ lệ tương tự với các bảng tra cứu nhanh.
DEFLATE (dùng bởi gzip, zlib, ZIP) kết hợp LZ77 và Huffman. Đặc tả đều mở: DEFLATE RFC 1951, lớp bọc zlib RFC 1950và định dạng gzip RFC 1952. Gzip được thiết kế cho streaming và không cung cấp truy cập ngẫu nhiên. PNG chuẩn hóa DEFLATE là phương pháp duy nhất (cửa sổ tối đa 32 KiB) theo đặc tả “Compression method 0…” và W3C/ISO PNG 2nd Edition.
Zstandard (zstd): bộ nén đa dụng mới cung cấp tỷ lệ cao và giải nén cực nhanh. Định dạng có trong RFC 8878 (cùng bản HTML) và đặc tả tham chiếu trên GitHub. Như gzip, frame cơ bản không nhắm tới truy cập ngẫu nhiên. Siêu năng lực của zstd là từ điển: mẫu nhỏ từ tập dữ liệu giúp hàng loạt tệp nhỏ/giống nhau n én tốt hơn (xem tài liệu python-zstandard và ví dụ của Nigel Tao). Triển khai hỗ trợ cả từ điển “unstructured” lẫn “structured” (thảo luận).
Brotli: tối ưu cho nội dung web (font WOFF2, HTTP). Kết hợp từ điển tĩnh và lõi LZ+entropy giống DEFLATE. Đặc tả là RFC 7932, mô tả cửa sổ 2WBITS−16 với WBITS [10, 24] (1 KiB−16 B tới 16 MiB−16 B) và rằng nó không cung cấp truy cập ngẫu nhiên. Brotli thường vượt gzip trên văn bản web và giải nén nhanh.
Vỏ chứa ZIP: ZIP là kho tệp có thể lưu nhiều phương pháp nén (deflate, store, zstd...). Chuẩn thực tế là APPNOTE của PKWARE (xem cổng APPNOTE, bản lưu trữvà tóm tắt của LC ZIP File Format (PKWARE) / ZIP 6.3.3).
LZ4 ưu tiên tốc độ tuyệt đối với tỷ lệ vừa phải. Xem trang dự án và định dạng frame. Lý tưởng cho cache trong RAM, telemetri hoặc đường nóng cần giải nén gần tốc độ bộ nhớ.
XZ / LZMA hướng đến mật độ cao (tỷ lệ tốt) với thời gian nén chậm hơn. XZ là vỏ chứa; công việc chính do LZMA/LZMA2 (mô hình LZ77 + range coding) đảm nhiệm. Xem định dạng .xz, đặc tả LZMA (Pavlov)và ghi chú kernel Linux về XZ Embedded. XZ thường nén tốt hơn gzip và cạnh tranh với codec hiện đại, nhưng mã hóa lâu hơn.
bzip2 dùng Biến đổi Burrows–Wheeler (BWT), move-to-front, RLE và Huffman. Thường nhỏ hơn gzip nhưng chậm hơn; xem hướng dẫn chính thức và trang man (Linux).
Kích thước “cửa sổ” rất quan trọng. Tham chiếu DEFLATE chỉ nhìn lại 32 KiB (RFC 1951) và giới hạn 32 KiB của PNG được nêu ở đây. Brotli hỗ trợ cửa sổ từ ~1 KiB đến 16 MiB (RFC 7932). Zstd điều chỉnh cửa sổ và độ sâu tìm kiếm theo level (RFC 8878). Dòng cơ sở của gzip/zstd/brotli hướng tới giải nén tuần tự; bản thân định dạng không hứa truy cập ngẫu nhiên, nhưng các vỏ chứa (tar có chỉ mục, framing theo khối, chỉ mục chuyên biệt) có thể bổ sung.
Các định dạng trên là lossless: bạn khôi phục đúng byte ban đầu. Codec media thường lossy: loại bỏ chi tiết khó nhận biết để giảm bitrate. Với ảnh, JPEG cổ điển (DCT, lượng tử hóa, mã entropy) được chuẩn hóa trong ITU-T T.81 / ISO/IEC 10918-1. Với âm thanh, MP3 (MPEG-1 Layer III) và AAC (MPEG-2/4) dùng mô hình cảm nhận và biến đổi MDCT (xem ISO/IEC 11172-3, ISO/IEC 13818-7và tổng quan MDCT tại đây). Lossy và lossless có thể cùng tồn tại (ví dụ PNG cho UI, codec web cho ảnh/video/audio).
Lý thuyết Shannon 1948 · Rate–distortion · Mã hóa Huffman 1952 · Mã số học · Range coding · ANS. Định dạng DEFLATE · zlib · gzip · Zstandard · Brotli · LZ4 frame · định dạng XZ. Chuỗi BWT Burrows–Wheeler (1994) · hướng dẫn bzip2. Media JPEG T.81 · MP3 ISO/IEC 11172-3 · AAC ISO/IEC 13818-7 · MDCT.
Tóm lại: hãy chọn bộ nén phù hợp dữ liệu và ràng buộc của bạn, đo trên dữ liệu thực và đừng quên lợi ích từ từ điển cùng cách đóng gói thông minh. Khi ghép đúng, bạn sẽ có tệp nhỏ hơn, truyền nhanh hơn và ứng dụng phản hồi hơn mà không hy sinh độ chính xác hay tính di động.
Nén file là quá trình giảm kích thước của một file hoặc các file, thường để tiết kiệm không gian lưu trữ hoặc tăng tốc độ truyền trên mạng.
Nén file hoạt động bằng cách xác định và loại bỏ sự trùng lặp trong dữ liệu. Nó sử dụng thuật toán để mã hóa dữ liệu gốc trong một không gian nhỏ hơn.
Hai loại chính của nén file là nén lossless và lossy. Nén lossless cho phép phục hồi hoàn toàn file gốc, trong khi nén lossy cho phép giảm kích thước đáng kể hơn nhưng có thể mất một phần chất lượng dữ liệu.
Một ví dụ phổ biến về công cụ nén file là WinZip, hỗ trợ nhiều định dạng nén bao gồm ZIP và RAR.
Với nén lossless, chất lượng không thay đổi. Tuy nhiên, với nén lossy, có thể có sự giảm chất lượng rõ rệt do nó loại bỏ dữ liệu ít quan trọng để giảm kích thước file đáng kể hơn.
Có, nén file an toàn về mặt tính toàn vẹn của dữ liệu, đặc biệt với nén lossless. Tuy nhiên, giống như bất kỳ file nào, file nén có thể bị mục tiêu bởi malware hoặc virus, vì vậy luôn quan trọng khi có phần mềm bảo mật uy tín.
Hầu như tất cả các loại file đều có thể được nén, bao gồm file văn bản, hình ảnh, audio, video và file phần mềm. Tuy nhiên, mức độ nén có thể thực hiện đáng kể có thể thay đổi giữa các loại file khác nhau.
ZIP file là một loại định dạng file s ử dụng nén lossless để giảm kích thước của một hoặc nhiều file. Nhiều file trong một ZIP file effectively được gói lại thành một file duy nhất, điều này cũng giúp việc chia sẻ dễ dàng hơn.
Về mặt kỹ thuật, có, mặc dù việc giảm kích thước thêm có thể tối thiểu hoặc thậm chí phản tác dụng. Nén một file đã được nén đôi khi có thể tăng kích thước do metadata được thêm vào bởi thuật toán nén.
Để giải nén một file, bạn thường cần một công cụ giải nén hoặc giải nén, như WinZip hoặc 7-Zip. Những công cụ này có thể trích xuất các file gốc từ định dạng nén.