Als u onze bestanden kunt comprimeren zodat u ze gemakkelijker kunt delen en / of vervoeren, kunt u onze elektronisch leven veel gemakkelijker, maar soms kunnen we oneven of onverwachte dimensioneringsresultaten zien nadat we ze hebben gecomprimeerd. Waarom is dat? De SuperUser Q & A-post van vandaag biedt antwoorden op de vragen van een verwarde lezer.

De Question & Answer-sessie van vandaag komt tot ons dankzij SuperUser - een onderdeel van Stack Exchange, een community-driven groep van Q & A-websites.

Foto's met dank aan Jean-Etienne Minh-Duy Poirrier (Flickr).

De vraag

SuperUser-lezer sixtyfootersdude wil weten waarom zip enkele bestanden beter kan comprimeren dan meerdere bestanden met hetzelfde type inhoud:

Stel dat ik 10.000 XML-bestanden hebben en deze naar een vriend willen sturen. Voordat ik ze verzend, wil ik ze comprimeren.

Methode 1: Niet inleveren

Resultaten:

Methode 2: elk bestand apart inpakken en hem 10.000 XML-bestanden met rits verzenden

Opdracht:

Resultaten:

Methode 3: Een enkel zipbestand maken met daarin alle 10.000 XML-bestanden

Opdracht:

Resultaten:

Methode 4: de bestanden samenvoegen tot één bestand en de opdracht Zip It

samenvoegen:

Resultaten:

Vragen

• Waarom krijg ik zo'n dramatisch betere resultaten als ik slechts één bestand aan het ritsen ben?
• Ik verwachtte drastisch betere resultaten te krijgen met methode 3 dan met methode 2, maar ik Niet doen. Waarom is dit?
• Is dit gedrag specifiek voor zip? Als ik Gzip probeerde te gebruiken, zou ik dan andere resultaten krijgen?

Aanvullende informatie

Metadata

Een van de gegeven antwoorden suggereert dat het verschil de metadata van het systeem is die in het zipbestand is opgeslagen. Ik geloof niet dat dit het geval kan zijn. Om het te testen, deed ik het volgende:

Het resulterende zipbestand is 1,4 MB. Dit betekent dat er nog steeds ongeveer tien MB onverklaarde ruimte is.

Waarom is zip in staat om afzonderlijke bestanden beter te comprimeren dan meerdere bestanden met hetzelfde type inhoud?

Het antwoord

SuperUser-bijdragers Alan Shutko en Aganju hebben het antwoord voor ons. Ten eerste, Alan Shutko:

Zip-compressie is gebaseerd op repetitieve patronen in de te comprimeren gegevens en de compressie wordt beter naarmate het bestand langer is, omdat steeds meer patronen kunnen worden gevonden en gebruikt.

Vereenvoudigd, als je één bestand comprimeert, is het woordenboek dat (korte) codes toewijst aan (langere) patronen noodzakelijkerwijs opgenomen in elk resulterend zipbestand; als je een lang bestand zip, wordt het woordenboek 'hergebruikt' en wordt het effectiever voor alle inhoud.

Als je bestanden zelfs een beetje vergelijkbaar zijn (zoals tekst altijd is), wordt hergebruik van het 'woordenboek' zeer efficiënt en het resultaat is een veel kleiner totaal zipbestand.

Gevolgd door het antwoord van Aganju:

In zip wordt elk bestand afzonderlijk gecomprimeerd. Het tegenovergestelde is vaste compressie , dat wil zeggen dat bestanden samen worden gecomprimeerd. 7-zip en Rar gebruiken standaard vaste compressie. Gzip en Bzip2 kunnen niet meerdere bestanden comprimeren, dus Tar wordt eerst gebruikt, met hetzelfde effect als vaste compressie.

Omdat xml-bestanden een vergelijkbare structuur hebben (en waarschijnlijk vergelijkbare inhoud), als de bestanden samen worden gecomprimeerd, zal de compressie hoger zijn .

Als een bestand bijvoorbeeld de tekenreeks " " bevat en de compressor de tekenreeks al in een ander bestand heeft gevonden, wordt deze vervangen door een kleine verwijzing naar de vorige overeenkomst. Als de compressor geen vaste compressie gebruikt, wordt de eerste instantie van de tekenreeks in het bestand opgenomen als een letterlijke , die groter is.

Heeft u iets toe te voegen aan de uitleg? Geluid uit in de reacties. Wilt u meer antwoorden van andere technisch onderlegde Stack Exchange-gebruikers lezen? Bekijk hier de volledige discussiethread

---

Slack-meldingen beheren en instellingen niet storen

Slack is een essentieel communicatiemiddel geworden voor veel bedrijven, vooral bedrijven met veel externe werknemers. Maar niemand wil op elk uur van de dag pingen. Hier bij How-To Geek houden we van Slack, en we hebben er eerder over geschreven, en gaven je enkele uitstekende aanwijzingen over hoe je een Slack-gebruiker kunt worden.

(how-to)

Waarom gebruiken scanners PDF als standaardbestandsindeling?

Bijna alle software heeft een bepaalde indeling die automatisch wordt gebruikt bij het maken van een nieuw document of bestand, maar af en toe is het gekozen formaat niet lijken intuïtief logisch. Met dat in gedachten heeft het SuperUser Q & A-bericht van vandaag het antwoord op de vraag van een nieuwsgierige lezer.

(how-to)