.tar.gz lưu trữ định dạng, còn được gọi là tarball hoặc lưu trữ tar nén, là một định dạng tệp thường được sử dụng để đóng gói và nén các tệp và thư mục lại với nhau thành một tệp duy nhất để thuận tiện cho việc lưu trữ và truyền tải. Nó kết hợp định dạng tar (Lưu trữ băng) để đóng gói các tệp và thư mục với nén gzip để giảm kích thước tệp tổng thể. Định dạng .tar.gz được sử dụng rộng rãi trong các hệ điều hành giống Unix và được hỗ trợ bởi nhiều công cụ và tiện ích lưu trữ khác nhau.
Bản thân định dạng tar là sự nối tiếp của các bản ghi tệp và thư mục. Mỗi bản ghi chứa siêu dữ liệu về tệp hoặc thư mục, chẳng hạn như tên, kích thước, quyền, quyền sở hữu và dấu thời gian sửa đổi. Dữ liệu tệp thực tế được lưu trữ sau siêu dữ liệu trong kho lưu trữ. Lưu trữ tar có thể bảo toàn cấu trúc thư mục, liên kết tượng trưng và các loại tệp đặc biệt khác.
Để tạo một kho lưu trữ tar, tiện ích tar được sử dụng. Nó đệ quy duyệt qua thư mục hoặc danh sách tệp được chỉ định và tạo một tệp tar duy nhất chứa tất cả các tệp và thư mục. Tệp tar kết quả có phần mở rộng .tar. Lệnh tar hỗ trợ nhiều tùy chọn để kiểm soát quá trình tạo kho lưu trữ, chẳng hạn như chỉ định tên tệp đầu ra, loại trừ các tệp hoặc thư mục nhất định, bảo toàn quyền và quyền sở hữu và xử lý các liên kết tượng trưng.
Mặc dù định dạng tar hữu ích để đóng gói các tệp lại với nhau, nhưng bản thân nó không cung cấp bất kỳ khả năng nén nào. Đây là lúc gzip phát huy tác dụng. Gzip là một thuật toán nén phổ biến sử dụng mã hóa Lempel-Ziv (LZ77) để nén dữ liệu hiệu quả. Nó phân tích dữ liệu đầu vào và thay thế các chuỗi lặp lại bằng các tham chiếu đến các lần xuất hiện trước đó, giúp giảm kích thước tổng thể của dữ liệu.
Để tạo kho lưu trữ .tar.gz, tiện ích tar được sử dụng kết hợp với tiện ích gzip. Đầu tiên, tiện ích tar tạo một kho lưu trữ tar như đã mô tả trước đó. Sau đó, tệp tar kết quả được đưa qua tiện ích gzip, nén tệp tar bằng thuật toán gzip. Đầu ra đã nén thường được đặt phần mở rộng .gz, tạo thành tệp .tar.gz.
Mức độ nén của gzip có thể được điều chỉnh bằng các tùy chọn dòng lệnh. Theo mặc định, gzip sử dụng mức độ nén là 6, cung cấp sự cân bằng tốt giữa tỷ lệ nén và tốc độ. Các mức độ nén cao hơn (tối đa 9) có thể dẫn đến kích thước tệp nhỏ hơn nhưng có thể mất nhiều thời gian hơn để nén. Các mức độ nén thấp hơn (xuống đến 1) ưu tiên tốc độ hơn tỷ lệ nén.
Để giải nén các tệp từ kho lưu trữ .tar.gz, quá trình này được đảo ngược. Đầu tiên, kho lưu trữ được giải nén bằng tiện ích gzip, khôi phục tệp tar gốc. Sau đó, tiện ích tar được sử dụng để giải nén các tệp và thư mục từ kho lưu trữ tar. Lệnh tar hỗ trợ các tùy chọn để chỉ định vị trí giải nén, bảo toàn quyền và quyền sở hữu và xử lý các liên kết tượng trưng.
Một lợi thế của định dạng .tar.gz là khả năng tương thích của nó trên các nền tảng khác nhau. Các tiện ích Tar và gzip có sẵn rộng rãi trên các hệ thống giống Unix và nhiều hệ điều hành khác cung cấp các công cụ để xử lý các tệp .tar.gz. Điều này giúp thuận tiện cho việc tạo kho lưu trữ trên một hệ thống và giải nén chúng trên một hệ thống khác, bất kể kiến trúc hoặc hệ điều hành cơ bản.
Ngoài các tiện ích dòng lệnh, nhiều công cụ đồ họa và chương trình nén tệp hỗ trợ định dạng .tar.gz. Các công cụ này thường cung cấp giao diện thân thiện với người dùng để tạo, giải nén và quản lý các kho lưu trữ .tar.gz, giúp người dùng thích giao diện đồ họa có thể truy cập được.
Định dạng .tar.gz có một số hạn chế và cân nhắc. Nó không cung cấp mã hóa tích hợp hoặc bảo vệ bằng mật khẩu cho các tệp được lưu trữ. Nếu bảo mật là mối quan tâm, các kỹ thuật hoặc công cụ mã hóa bổ sung cần được sử dụng cùng với .tar.gz. Ngoài ra, tỷ lệ nén đạt được bởi gzip có thể thay đổi tùy thuộc vào loại dữ liệu được nén. Các tệp dựa trên văn bản và các tệp có các mẫu lặp lại có xu hướng nén tốt, trong khi các tệp đã nén (ví dụ: hình ảnh, video) có thể không được hưởng lợi đáng kể từ việc nén gzip thêm.
Bất chấp những hạn chế này, định dạng .tar.gz vẫn được sử dụng rộng rãi do tính đơn giản, khả năng tương thích và hiệu quả của nó trong việc đóng gói và nén các tệp. Nó thường được sử dụng để phân phối mã nguồn, các gói phần mềm, lưu trữ sao lưu và truyền các bộ sưu tập tệp lớn qua mạng hoặc phương tiện lưu trữ.
Tóm lại, định dạng lưu trữ .tar.gz kết hợp định dạng tar để đóng gói các tệp và thư mục với nén gzip để tạo tệp lưu trữ nén. Nó cung cấp một cách thuận tiện và hiệu quả để đóng gói và nén các tệp để lưu trữ và truyền tải, đồng thời duy trì khả năng tương thích trên các hệ thống khác nhau. Hiểu định dạng .tar.gz và các công cụ liên quan của nó rất có giá trị để quản lý và phân phối các tệp trong nhiều môi trường máy tính khác nhau.
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 chu ẩn 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.