**Định dạng SHAR (SHell ARchive)** là một định dạng lưu trữ và nén tệp thường được sử dụng trên các hệ điều hành Unix và giống Unix. Nó được phát triển như một cách đơn giản để đóng gói nhiều tệp và thư mục thành một tệp lưu trữ duy nhất để dễ lưu trữ và truyền tải hơn. Định dạng SHAR cho phép nén tùy chọn các tệp đã lưu trữ để giảm kích thước tổng thể của tệp lưu trữ kết quả.
Về cơ bản, một tệp lưu trữ SHAR là một tập lệnh shell chứa một loạt lệnh để tạo lại cấu trúc thư mục và tệp gốc. Khi tệp SHAR được thực thi, shell sẽ diễn giải các lệnh và giải nén các tệp đến vị trí gốc của chúng. Điều này giúp dễ dàng tạo và giải nén các tệp lưu trữ SHAR mà không cần các công cụ lưu trữ chuyên dụng, miễn là có sẵn shell Unix.
Cấu trúc của một tệp lưu trữ SHAR bao gồm một tiêu đề, siêu dữ liệu tệp và nội dung tệp thực tế. Tiêu đề thường bao gồm một dòng shebang (ví dụ: `#!/bin/sh`) để chỉ định trình thông dịch cho tập lệnh shell, theo sau là bất kỳ lệnh shell hoặc khai báo biến cần thiết nào. Tiêu đề cũng có thể bao gồm các bình luận hoặc hướng dẫn để giải nén tệp lưu trữ.
Sau tiêu đề, tệp lưu trữ SHAR chứa một loạt các phần cho từng tệp hoặc thư mục đang được lưu trữ. Mỗi phần bắt đầu bằng siêu dữ liệu về tệp, chẳng hạn như tên, quyền, quyền sở hữu và dấu thời gian. Siêu dữ liệu này được biểu diễn bằng các lệnh shell đặt các thuộc tính thích hợp khi tệp được giải nén.
Tiếp theo siêu dữ liệu, nội dung thực tế của tệp được bao gồm trong tệp lưu trữ. Nội dung tệp thường được mã hóa bằng các lược đồ mã hóa `uuencode` hoặc `base64` để đảm bảo rằng nội dung tương thích với bản chất dựa trên văn bản của tập lệnh shell. Nội dung được mã hóa được chia thành các khối nhỏ hơn và được in dưới dạng một loạt các lệnh `echo` hoặc `printf` trong tập lệnh.
Nếu tệp lưu trữ SHAR bao gồm các thư mục, cấu trúc thư mục sẽ được tạo lại bằng cách kết hợp các lệnh `mkdir` và cài đặt siêu dữ liệu thích hợp. Sau đó, các tệp trong mỗi thư mục được thêm vào tệp lưu trữ theo cách tương tự như đã mô tả ở trên.
Tùy chọn, tệp lưu trữ SHAR có thể bao gồm nén để giảm kích thước của tệp kết quả. Các phương pháp nén phổ biến được sử dụng với SHAR bao gồm `gzip`, `bzip2` và `compress`. Nén thường được áp dụng cho từng tệp trước khi chúng được mã hóa và thêm vào tệp lưu trữ. Khi tệp lưu trữ SHAR được giải nén, các tệp đã nén sẽ tự động được giải nén bởi tập lệnh shell.
Để tạo một tệp lưu trữ SHAR, bạn có thể sử dụng lệnh `shar`, có sẵn trên hầu hết các hệ thống Unix và giống Unix. Cú pháp cơ bản để tạo một tệp lưu trữ SHAR là: `shar [options] file1 file2 directory1 ... > archive.shar`. Các tệp và thư mục được chỉ định sẽ được bao gồm trong tệp lưu trữ kết quả.
Giải nén một tệp lưu trữ SHAR đơn giản như thực thi tập lệnh shell có trong tệp lưu trữ. Có thể thực hiện việc này bằng cách làm cho tệp SHAR có thể thực thi bằng lệnh `chmod` và sau đó chạy nó như một tập lệnh: `chmod +x archive.shar && ./archive.shar`. Shell sẽ diễn giải các lệnh trong tập lệnh và tạo lại các tệp và thư mục gốc.
Một ưu điểm của định dạng SHAR là tính đơn giản và khả năng di động của nó. Các tệp lưu trữ SHAR có thể được tạo và giải nén trên bất kỳ hệ thống nào có shell Unix, mà không cần phần mềm bổ sung. Tuy nhiên, định dạng SHAR có một số hạn chế so với các định dạng lưu trữ tiên tiến hơn như `tar` hoặc `zip`. Các tệp lưu trữ SHAR thiếu các tính năng như truy cập ngẫu nhiên vào các tệp riêng lẻ, kiểm tra tính toàn vẹn hoặc mã hóa tích hợp.
Mặc dù có những hạn chế, định dạng SHAR vẫn hữu ích trong một số trường hợp nhất định, đặc biệt là khi xử lý các hệ thống dựa trên Unix hoặc khi cần sự đơn giản. Nó cung cấp một cách đơn giản để đóng gói và phân phối các tệp dưới dạng một tệp lưu trữ tự giải nén duy nhất.
Tóm lại, định dạng tệp lưu trữ SHAR là một cách đơn giản và di động để đóng gói nhiều tệp và thư mục thành một tệp lưu trữ tập lệnh shell duy nhất. Nó cho phép nén tùy chọn và có thể dễ dàng tạo và giải nén bằng các lệnh shell Unix chuẩn. Mặc dù thiếu các tính năng nâng cao so với các định dạng lưu trữ khác, SHAR vẫn là một công cụ hữu ích trong hệ sinh thái Unix cho các nhu cầu lưu trữ và phân phối cơ bản.
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.