Por que o Zip é capaz de compactar arquivos simples melhor do que vários arquivos com o mesmo conteúdo?

Índice:

Por que o Zip é capaz de compactar arquivos simples melhor do que vários arquivos com o mesmo conteúdo?
Por que o Zip é capaz de compactar arquivos simples melhor do que vários arquivos com o mesmo conteúdo?

Vídeo: Por que o Zip é capaz de compactar arquivos simples melhor do que vários arquivos com o mesmo conteúdo?

Vídeo: Por que o Zip é capaz de compactar arquivos simples melhor do que vários arquivos com o mesmo conteúdo?
Vídeo: 4 Truques do Apple Watch Que Você Deve Saber - YouTube 2024, Abril
Anonim
A capacidade de compactar nossos arquivos para facilitar o compartilhamento e / ou o transporte deles pode facilitar muito nossa vida eletrônica, mas às vezes podemos ver resultados de tamanhos estranhos ou inesperados depois de compactá-los. Por que é que? A postagem de perguntas e respostas do SuperUser de hoje tem as respostas para perguntas de um leitor confuso.
A capacidade de compactar nossos arquivos para facilitar o compartilhamento e / ou o transporte deles pode facilitar muito nossa vida eletrônica, mas às vezes podemos ver resultados de tamanhos estranhos ou inesperados depois de compactá-los. Por que é que? A postagem de perguntas e respostas do SuperUser de hoje tem as respostas para perguntas de um leitor confuso.

A sessão de perguntas e respostas de hoje nos é oferecida por cortesia do SuperUser, uma subdivisão do Stack Exchange, um agrupamento de sites de perguntas e respostas conduzido pela comunidade.

Foto cedida por Jean-Etienne Minh-Duy Poirrier (Flickr)

A questão

O leitor de superusuário sixtyfootersdude quer saber porque o zip é capaz de compactar arquivos únicos melhor do que vários arquivos com o mesmo tipo de conteúdo:

Suppose that I have 10,000 XML files and want to send them to a friend. Before sending them, I would like to compress them.

Method 1: Do Not Compress Them

Results:

Image
Image

Method 2: Zip Every File Separately and Send Him 10,000 Zipped XML Files

Command:

Results:
Results:
Image
Image

Method 3: Create a Single Zip File Containing All 10,000 XML Files

Command:

Results:
Results:
Image
Image

Method 4: Concatenate the Files Into a Single File and Zip It

Command:

Results:
Results:
Image
Image

Questions

  • Why do I get such dramatically better results when I am just zipping a single file?
  • I was expecting to get drastically better results using method 3 rather than method 2, but I do not. Why is this?
  • Is this behaviour specific to zip? If I tried using Gzip, would I get different results?

Additional Info

Image
Image

Meta Data

One of the answers given suggests that the difference is the system meta data that is stored in the zip file. I do not believe that this can be the case. To test it, I did the following:

The resulting zip file is 1.4 MB. This means that there is still approximately ten MB of unexplained space.
The resulting zip file is 1.4 MB. This means that there is still approximately ten MB of unexplained space.

Por que o zip pode compactar arquivos únicos melhor do que vários arquivos com o mesmo tipo de conteúdo?

A resposta

Os colaboradores do SuperUser, Alan Shutko e Aganju, têm a resposta para nós. Primeiro, Alan Shutko:

Zip compression is based on repetitive patterns in the data to be compressed, and the compression gets better the longer the file is, as more and longer patterns can be found and used.

Simplified, if you compress one file, the dictionary that maps (short) codes to (longer) patterns is necessarily contained in each resulting zip file; if you zip one long file, the dictionary is ‘reused’ and grows even more effective across all content.

If your files are even a bit similar (as text always is), reuse of the ‘dictionary’ becomes very efficient and the result is a much smaller total zip file.

Seguido pela resposta de Aganju:

In zip, each file is compressed separately. The opposite is solid compression, that is, files are compressed together. 7-zip and Rar use solid compression by default. Gzip and Bzip2 cannot compress multiple files, so Tar is used first, having the same effect as solid compression.

As xml files have similar structure (and probably similar content), if the files are compressed together then the compression will be higher.

For example, if a file contains the string “” and the compressor has already found that string in another file, it will replace it with a small pointer to the previous match. If the compressor does not use solid compression, the first occurrence of the string in the file will be recorded as a literal, which is larger.

Tem algo a acrescentar à explicação? Som desligado nos comentários. Quer ler mais respostas de outros usuários do Stack Exchange com experiência em tecnologia? Confira o tópico de discussão completo aqui.

Recomendado: