MTREE là một định dạng tệp lưu trữ cổ điển thường được sử dụng trong thời đại MS-DOS để phân phối phần mềm và dữ liệu. Nó được Microsoft phát triển và trở nên phổ biến nhờ khả năng nén hiệu quả và tốc độ giải nén nhanh trên phần cứng thời bấy giờ. Định dạng MTREE là một cấu trúc lưu trữ dựa trên cây cho phép tổ chức các tệp và thư mục theo thứ bậc.
Một lưu trữ MTREE bao gồm một tiêu đề theo sau là một loạt các nút biểu diễn các tệp và thư mục được lưu trữ trong lưu trữ. Tiêu đề chứa siêu dữ liệu về lưu trữ, bao gồm chữ ký MTREE (thường là "MTRE"), số phiên bản, phương pháp nén và các cờ khác. Các nút được tổ chức theo cấu trúc giống như cây, với mỗi nút biểu diễn một tệp hoặc một thư mục.
Mỗi nút trong lưu trữ MTREE chứa thông tin như loại nút (tệp hoặc thư mục), thuộc tính tệp (ví dụ: kích thước, dấu thời gian), phương pháp nén (nếu có) và dữ liệu đã nén hoặc chưa nén của tệp. Thư mục được biểu diễn dưới dạng các nút đặc biệt chứa các tham chiếu đến các nút con của chúng, cho phép tạo cấu trúc phân cấp của lưu trữ.
MTREE hỗ trợ nhiều phương pháp nén khác nhau, phổ biến nhất là LZSS (Lempel-Ziv-Storer-Szymanski) và DEFLATE. LZSS là một thuật toán nén dựa trên từ điển sử dụng cửa sổ trượt để tìm và thay thế các mẫu lặp lại trong dữ liệu. Nó cung cấp tốc độ giải nén nhanh và tỷ lệ nén hợp lý. Mặt khác, DEFLATE là sự kết hợp giữa LZ77 và mã hóa Huffman, cung cấp tỷ lệ nén tốt hơn nhưng tốc độ giải nén chậm hơn một chút so với LZSS.
Một trong những tính năng chính của MTREE là khả năng truy cập hiệu quả vào các t ệp riêng lẻ trong lưu trữ mà không cần phải giải nén toàn bộ lưu trữ. Điều này đạt được thông qua việc sử dụng bảng phân bổ tệp (FAT) ánh xạ cấu trúc logic của lưu trữ với các vị trí vật lý của các nút. FAT cho phép tra cứu và truy xuất nhanh các tệp cụ thể, khiến MTREE phù hợp với các tình huống yêu cầu truy cập ngẫu nhiên vào các tệp.
Để tạo một lưu trữ MTREE, các tệp và thư mục trước tiên được sắp xếp theo thứ bậc mong muốn. Mỗi tệp được nén bằng phương pháp nén đã chọn và dữ liệu đã nén được lưu trữ trong nút tệp tương ứng. Thư mục được biểu diễn dưới dạng các nút có tham chiếu đến các nút con của chúng. Sau đó, FAT được tạo, ánh xạ cấu trúc logic với các vị trí vật lý trong lưu trữ.
Việc trích xuất các tệp từ lưu trữ MTREE liên quan đến việc duyệt qua cấu trúc cây và xác định vị trí các nút tệp mong muốn. FAT được sử dụng để nhanh chóng xác định vị trí vật lý của dữ liệu tệp trong lưu trữ. Sau đó, dữ liệu đã nén được giải nén bằng thuật toán giải nén phù hợp dựa trên phương pháp nén được chỉ định trong nút.
Lưu trữ MTREE cũng có thể hỗ trợ các tính năng bổ sung như bảo vệ bằng mật khẩu, mã hóa và chữ ký số. Bảo vệ bằng mật khẩu cho phép hạn chế quyền truy cập vào nội dung của lưu trữ, trong khi mã hóa cung cấp một lớp bảo mật bổ sung bằng cách mã hóa dữ liệu tệp. Chữ ký số có thể được sử dụng để xác minh tính toàn vẹn và tính xác thực của lưu trữ.
Mặc dù MTREE được coi là một định dạng lưu trữ cổ điển và phần lớn đã được thay thế bằng các định dạng hiện đại hơn như ZIP và RAR, nhưng nó vẫn có ý nghĩa lịch sử. Nhiều bản phân phối phần mềm cũ và lưu trữ dữ liệu từ thời đại MS-DOS đã sử dụng định dạng MTREE, khiến nó trở nên quan trọng để bảo quản và truy cập dữ liệu cũ.
Tóm lại, định dạng lưu trữ cổ điển MTREE là một giải pháp hiệu quả và được sử dụng rộng rãi để lưu trữ và phân phối tệp trong thời đại MS-DOS. Cấu trúc dựa trên cây, các phương pháp nén hiệu quả và khả năng truy cập ngẫu nhiên của nó đã khiến nó trở thành lựa chọn phổ biến để phân phối phần mềm và lưu trữ dữ liệu. Mặc dù MTREE có thể không còn phổ biến như ngày nay, nhưng việc hiểu các chi tiết kỹ thuật của nó vẫn có giá trị đối với việc làm việc với các lưu trữ cũ và đánh giá cao sự phát triển của các kỹ thuật nén và lưu trữ tệp theo thời gian.
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 nén 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 sử 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.