NEWC là định dạng lưu trữ tệp được thiết kế để lưu trữ và nén hiệu quả các bộ sưu tập tệp và thư mục. Định dạng này được Eugene Roshal phát triển vào năm 1993 như một cải tiến so với các định dạng lưu trữ hiện có như ZIP và ARJ. Định dạng này nhằm mục đích cung cấp tỷ lệ nén tốt hơn, tốc độ giải nén nhanh hơn và các tính năng nâng cao để phục hồi dữ liệu và quản lý lưu trữ.
Về cơ bản, định dạng NEWC bao gồm một tiêu đề chính theo sau là một loạt các tiêu đề tệp và dữ liệu tệp đã nén. Tiêu đề chính chứa siêu dữ liệu về kho lưu trữ, chẳng hạn như chữ ký NEWC, số phiên bản, tổng kích thước và số lượng tệp. Mỗi tiêu đề tệp bao gồm thông tin như tên tệp, thuộc tính, dấu thời gian, tổng kiểm tra CRC32, kích thước đã nén và chưa nén.
NEWC sử dụng cấu trúc lưu trữ vững chắc, trong đó các tệp được nối với nhau và nén thành một luồng dữ liệu liên tục duy nhất. Phương pháp này cho phép tỷ lệ nén tốt hơn bằng cách tận dụng sự trùng lặp giữa nhiều tệp. Tuy nhiên, điều này cũng có nghĩa là việc trích xuất một tệp duy nhất yêu cầu phải giải nén toàn bộ kho lưu trữ cho đến thời điểm đó, điều này có thể chậm hơn so với việc trích xuất từ các định dạng không vững chắc như ZIP.
Thuật toán nén được sử dụng trong NEWC dựa trên triển khai riêng của Eugene Roshal, kết hợp nén Lempel-Ziv-Storer-Szymanski (LZSS) với mô hình thống kê sử dụng Dự đoán bằng Phù hợp một phần (PPM). LZSS là một thuật toán dựa trên từ điển thay thế các chuỗi lặp lại bằng các tham chiếu đến các lần xuất hiện trước đó. PPM xây dựng một mô hình dữ liệu đầu vào để đưa ra các dự đoán xác suất về các ký hiệu sắp tới, cho phép mã hóa entropy hiệu quả hơn.
Một trong những tính năng chính của NEWC là hỗ trợ các bản ghi phục hồi. Đây là các mục đặc biệt xen kẽ với dữ liệu đã nén lưu trữ thông tin về cấu trúc và nội dung của kho lưu trữ. Trong trường hợp tệp bị hỏng, các bản ghi phục hồi có thể được sử dụng để xây dựng lại các phần bị hỏng của kho lưu trữ và cứu các tệp còn nguyên vẹn. Định dạng này cũng bao gồm sự dự phòng cho tiêu đề chính và tiêu đề tệp để cải thiện khả năng phục hồi trước tình trạng mất dữ liệu.
NEWC cung cấp một số phương pháp để chia kho lưu trữ thành nhiều tập. Điều này rất hữu ích để lưu trữ các kho lưu trữ lớn trên nhiều đĩa hoặc để truyền qua các mạng có giới hạn về kích thước. Định dạng này hỗ trợ tạo các tập có kích thước được chỉ định, cũng như sử dụng danh sách các tệp làm điểm đánh dấu tập. Định dạng này cũng bao gồm các cơ chế để kiểm tra tính toàn vẹn và phục hồi các kho lưu trữ nhiều tập.
Về quản lý kho lưu trữ, NEWC cung cấp một loạt các tính năng. Định dạng này hỗ trợ thêm, xóa và cập nhật các tệp trong một kho lưu trữ hiện có. Bình luận tệp có thể được liên kết với các mục riêng lẻ để lưu trữ siêu dữ liệu bổ sung. Định dạng này cũng cho phép mã hóa và bảo vệ bằng mật khẩu các kho lưu trữ bằng thuật toán AES ở chế độ CBC.
NEWC đã trở nên phổ biến nhờ tỷ lệ nén cao và tốc độ giải nén nhanh. Định dạng này được sử dụng rộng rãi để phân phối phần mềm, cập nhật chương trình cơ sở và sao lưu dữ liệu. Định dạng này đã được nhiều ứng dụng và tiện ích áp dụng, bao gồm WinRAR, 7-Zip và PowerArchiver.
Mặc dù NEWC mang lại nhiều lợi ích, nhưng định dạng này cũng có một số hạn chế. Cấu trúc lưu trữ vững chắc có thể làm cho việc truy cập ngẫu nhiên và trích xuất một phần chậm hơn so với các định dạng không vững chắc. Việc chỉ dựa vào một thuật toán nén có thể không phải lúc nào cũng mang lại kết quả tốt nhất cho mọi loại dữ liệu. Ngoài ra, tính phức tạp và bản chất độc quyền của định dạng này đã cản trở việc áp dụng định dạng này trong một số bối cảnh.
Bất chấp những thách thức này, NEWC vẫn là một định dạng lưu trữ quan trọng và được sử dụng rộng rãi. Hiệu quả, độ mạnh mẽ và bộ tính năng của định dạng này biến định dạng này trở thành một công cụ có giá trị để nén và lưu trữ dữ liệu. Khi nhu cầu lưu trữ và truyền dữ liệu tiếp tục tăng, định dạng NEWC sẽ có vị trí tốt để đóng một vai trò quan trọng trong việc quản lý và bảo quản thông tin kỹ thuật số.
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.