gzip

gzip es un formato de archivo y un programa de compresión de archivos . El programa utiliza el algoritmo Deflate para comprimir y descomprimir un único archivo utilizando el formato de archivo gzip .

gzip se lanzó en 1992 como software libre para reemplazar el programa compress , ya que su algoritmo de compresión, LZW , estaba protegido por patentes de Unisys e IBM , ^{[ 4 ]} que no expiraron hasta 2003 y 2004. ^{[ 5 ]} Jean-Loup Gailly diseñó el formato de archivo gzip, ^{[ 6 ]} que posteriormente se especificó en la RFC 1952, ^{[ 7 ]} y fue quien escribió originalmente el programa gzip. Mark Adler escribió la parte de descompresión. Actualmente, gzip es desarrollado por el proyecto GNU . ^{[ 8 ]}

Dado que el formato de archivo se puede descomprimir mediante un algoritmo de transmisión , se utiliza comúnmente en tecnologías basadas en flujo, como protocolos web , intercambio de datos y ETL (en tuberías estándar ).

Un archivo gzip (descrito en la tabla siguiente) consta de una cabecera de 10 bytes , campos de cabecera adicionales opcionales, datos comprimidos con Deflate y un pie de página de 8 bytes .

Aunque se pueden concatenar múltiples flujos (los archivos gzip simplemente se descomprimen y concatenan como si originalmente fueran un solo archivo), ^{[ 10 ]} normalmente solo se comprime un único archivo. ^{[ 11 ]} Los archivos comprimidos se crean típicamente ensamblando colecciones de archivos en un único archivo tar (también llamado tarball ), ^{[ 12 ]} y luego comprimiendo ese archivo con gzip. El archivo comprimido final generalmente tiene la extensión .tar.gz, .tgz, .gz, o .gzip.

gzip no debe confundirse con el formato de archivo ZIP , que también utiliza DEFLATE . El formato ZIP puede almacenar colecciones de archivos sin un compresor externo, pero es menos compacto que los archivos tar comprimidos que contienen los mismos datos, ya que comprime los archivos individualmente y no puede aprovechar la redundancia entre ellos ( compresión sólida ). El formato de archivo gzip tampoco debe confundirse con el de la utilidad compress, basada en LZW, con extensión .gzip .Z; sin embargo, la utilidad gunzip puede descomprimir .Zarchivos. ^{[ 13 ]}

Se han escrito varias implementaciones del programa. La más conocida es la implementación del Proyecto GNU que utiliza la codificación Lempel-Ziv (LZ77). La versión de gzip de OpenBSD es en realidad el programa compress , al que se añadió soporte para el formato gzip en OpenBSD 3.4. La "g" en esta versión específica significa gratis . ^{[ 16 ]} FreeBSD , DragonFly BSD y NetBSD utilizan una implementación con licencia BSD en lugar de la versión GNU; en realidad es una interfaz de línea de comandos para zlib destinada a ser compatible con las opciones de las implementaciones GNU. ^{[ 17 ]} Estas implementaciones provienen originalmente de NetBSD y admiten la descompresión de bzip2 y el formato de paquete Unix .

Zopfli es un programa de compresión alternativo que ofrece una mejora del 3 al 8 % . Este programa logra una compresión compatible con gzip mediante algoritmos más exhaustivos, aunque a costa de un mayor tiempo de compresión. No afecta al tiempo de descompresión.

pigz, escrito por Mark Adler, es compatible con gzip y acelera la compresión utilizando todos los núcleos e hilos de CPU disponibles. ^{[ 18 ]}

La utilidad tar , incluida en la mayoría de las distribuciones de Linux, puede extraer archivos .tar.gz pasando la opción z , por ejemplo, tar -zxf archivo.tar.gz , donde indica descompresión, significa extracción y especifica el nombre del archivo comprimido del que se extraerá. Opcionalmente, ( verbose ) muestra una lista de los archivos a medida que se extraen. ^{[ 20 ]}-z-x-f-v

La biblioteca zlib admite el formato de archivo gzip. ^{[ 21 ]}

El formato gzip se utiliza en la compresión HTTP , una técnica empleada para acelerar el envío de HTML y otros contenidos en la World Wide Web . Es uno de los tres formatos estándar para la compresión HTTP, tal como se especifica en la RFC 2616. Esta RFC también especifica un formato zlib (denominado "DEFLATE"), que es equivalente al formato gzip, salvo que gzip añade once bytes de sobrecarga en forma de encabezados y pies de página. Aun así, a veces se recomienda el formato gzip sobre zlib porque Internet Explorer no implementa el estándar correctamente y no puede manejar el formato zlib tal como se especifica en la RFC 1950. ^{[ 22 ]}

Desde finales de la década de 1990, bzip2 , una utilidad de compresión de archivos basada en un algoritmo de ordenación por bloques, ha ganado cierta popularidad como alternativa a gzip. Produce archivos considerablemente más pequeños (especialmente para código fuente y otros textos estructurados), pero a costa de un mayor consumo de memoria y tiempo de procesamiento (hasta un factor de 4). ^{[ 23 ]}

AdvanceCOMP, Zopfli , libdeflate y 7-Zip pueden generar archivos compatibles con gzip, utilizando una implementación interna de DEFLATE con mejores índices de compresión que el propio gzip, a costa de un mayor tiempo de procesador en comparación con la implementación de referencia.

Una investigación publicada en 2023 demostró que técnicas de compresión sin pérdidas simples, como gzip, podrían combinarse con un clasificador de k vecinos más cercanos para crear una alternativa atractiva a las redes neuronales profundas para la clasificación de texto en el procesamiento del lenguaje natural . Se ha demostrado que este enfoque iguala e incluso supera, en algunos casos, a los enfoques convencionales como BERT debido a sus bajos requisitos de recursos, por ejemplo, la ausencia de necesidad de hardware GPU . ^{[ 24 ]}

• Brotli : algoritmo de compresión sin pérdidas 
• Comparación de archivadores de archivos
• Lista de formatos de archivo
• Lista de comandos POSIX
• Formato de archivo abierto : especificación publicada para el almacenamiento de datos digitales. 
• zlib – Biblioteca de formato y compresión de datos 

• Sitio web oficial