Sé que tarse hizo para archivos de cinta en el pasado, pero hoy tenemos formatos de archivo que agregan archivos y realizan compresión dentro del mismo formato de archivo lógico.

Preguntas:

• ¿Existe una penalización de rendimiento durante las etapas de agregación / compresión / descompresión por usar tarencapsulado en gzipo bzip2, en comparación con el uso de un formato de archivo que agrega y comprime en la misma estructura de datos? Suponga que el tiempo de ejecución del compresor que se está comparando es idéntico (por ejemplo, gzip y Deflate son similares).

• ¿Hay características del tarformato de archivo que otros formatos de archivo, como .7zy .zipno tienen?

• Dado que tares un formato de archivo tan antiguo y existen formatos de archivo más nuevos hoy en día, ¿por qué tar(ya sea encapsulado gzip, bzip2o incluso el nuevo xz) todavía tan ampliamente utilizado hoy en GNU / Linux, Android, BSD y otros sistemas operativos UNIX similares para archivos? transferencias, fuente de programas y descargas binarias, y algunas veces incluso como formato de administrador de paquetes?

Parte 1: rendimiento

Aquí hay una comparación de dos flujos de trabajo separados y lo que hacen.

Tiene un archivo en el disco blah.tar.gzque es, digamos, 1 GB de datos comprimidos con gzip que, cuando no está comprimido, ocupa 2 GB (por lo tanto, una relación de compresión del 50%).

La forma en que crearía esto, si hiciera el archivo y la compresión por separado, sería:

tar cf blah.tar files ...

Esto daría como resultado blah.taruna mera agregación de la files ...forma no comprimida.

Entonces harías

gzip blah.tar

Esto leería el contenido del blah.tardisco, lo comprimiría a través del algoritmo de compresión gzip, escribiría el contenido y blah.tar.gzluego desvincularía (eliminaría) el archivo blah.tar.

¡Ahora, descomprimamos!

Camino 1

Tienes blah.tar.gz, de una forma u otra.

Decides correr:

gunzip blah.tar.gz

Esta voluntad

• LEA el contenido de datos comprimidos de 1 GB de blah.tar.gz.
• PROCESE los datos comprimidos a través del gzipdescompresor en la memoria.
• A medida que el búfer de memoria se llena con "un bloque" de datos, ESCRIBA los datos sin comprimir en el archivo blah.taren el disco y repita hasta que se lean todos los datos comprimidos.
• Desvincular (eliminar) el archivo blah.tar.gz.

Ahora, tiene blah.taren el disco, que está descomprimido pero contiene uno o más archivos dentro, con una carga de estructura de datos muy baja. El tamaño del archivo es probablemente un par de bytes mayor que la suma de todos los datos del archivo.

Tu corres:

tar xvf blah.tar

Esta voluntad

• LEA los 2 GB de contenido de datos sin comprimir blah.tary las tarestructuras de datos del formato de archivo, incluida la información sobre permisos de archivos, nombres de archivos, directorios, etc.
• ESCRIBA los 2 GB de datos más los metadatos en el disco. Esto implica: traducir la estructura de datos / información de metadatos para crear nuevos archivos y directorios en el disco según corresponda, o reescribir archivos y directorios existentes con nuevos contenidos de datos.

El total de datos que LEIMOS del disco en este proceso fue de 1 GB (para gunzip) + 2 GB (para tar) = 3 GB.

El total de datos que escribimos en el disco en este proceso fue de 2 GB (para gunzip) + 2 GB (para tar) + unos pocos bytes para metadatos = aproximadamente 4 GB.

Camino 2

Tienes blah.tar.gz, de una forma u otra.

Decides correr:

tar xvzf blah.tar.gz

Esta voluntad

• LEA el contenido de datos comprimidos de 1 GB de blah.tar.gzun bloque a la vez en la memoria.
• PROCESE los datos comprimidos a través del gzipdescompresor en la memoria.
• A medida que el búfer de memoria se llena, canalizará esos datos, en la memoria, al taranalizador de formato de archivo, que leerá la información sobre metadatos, etc. y los datos del archivo sin comprimir.
• A medida que el búfer de memoria se llena en el taranalizador de archivos, ESCRIBIRÁ los datos sin comprimir en el disco, creando archivos y directorios y llenándolos con el contenido sin comprimir.

El total de datos que LEIMOS del disco en este proceso fue de 1 GB de datos comprimidos, punto.

El total de datos que escribimos en el disco en este proceso fue de 2 GB de datos sin comprimir + unos pocos bytes para metadatos = aproximadamente 2 GB.

Si observa, la cantidad de E / S de disco en Way 2 es idéntica a la E / S de disco realizada, por ejemplo, por los programas Zipo 7-Zip , ajustando las diferencias en la relación de compresión.

Y si le preocupa la relación de compresión, use el Xzcompresor para encapsular tar, y tiene el archivo TAR LZMA2 , que es tan eficiente como el algoritmo más avanzado disponible para 7-Zip :-)

Parte 2: características

tar almacena los permisos de Unix dentro de sus metadatos de archivo, y es muy conocido y probado para empaquetar con éxito un directorio con todo tipo de permisos diferentes, enlaces simbólicos, etc. Hay más de unas pocas instancias en las que uno podría necesitar guardar un montón de archivos en un solo archivo o secuencia, pero no necesariamente comprimirlo (aunque la compresión es útil y de uso frecuente).

Parte 3: compatibilidad

Muchas herramientas se distribuyen en formato fuente o binario como .tar.gz o .tar.bz2, porque es un formato de archivo de "mínimo común denominador": al igual que la mayoría de los usuarios de Windows tienen acceso a descompresores .zip o .rar, la mayoría de las instalaciones de Linux , incluso los más básicos, tendrán acceso al menos a alquitrán y pistolas, sin importar la antigüedad o reducción. Incluso los firmwares de Android tienen acceso a estas herramientas.

Los nuevos proyectos dirigidos a audiencias que ejecutan distribuciones modernas pueden muy bien distribuir en un formato más moderno, como .tar.xz (usando el formato de compresión Xz (LZMA), que se comprime mejor que gzip o bzip2), o .7z, que es similar a los formatos de archivo ZIP o RAR en que ambos comprimen y especifican un diseño para encapsular múltiples archivos en un solo archivo.

No ves que .7z se usa con más frecuencia por la misma razón por la que la música no se vende en tiendas de descargas en línea en formatos nuevos como Opus o video en WebM . Compatibilidad con personas que ejecutan sistemas antiguos o muy básicos.

Esto ha sido respondido en Stack Overflow .

bzip y gzip funcionan en archivos únicos, no en grupos de archivos. El zip simple y antiguo (y pkzip) funcionan en grupos de archivos y tienen el concepto del archivo incorporado.

La filosofía * nix es una de las pequeñas herramientas que realizan trabajos específicos muy bien y pueden encadenarse juntas. Es por eso que hay dos herramientas aquí que tienen tareas específicas, y están diseñadas para encajar bien juntas. También significa que puede usar tar para agrupar archivos y luego puede elegir una herramienta de compresión (bzip, gzip, etc.).

Muchas herramientas se distribuyen en formato fuente o binario como .tar.gz o .tar.bz2, porque es un formato de archivo de "mínimo común denominador": al igual que la mayoría de los usuarios de Windows tienen acceso a descompresores .zip o .rar, la mayoría de las instalaciones de Linux , incluso los más básicos, tendrán acceso al menos tary gunzip, sin importar la antigüedad o reducción. Incluso los firmwares de Android tienen acceso a estas herramientas.

Los nuevos proyectos dirigidos a audiencias que ejecutan distribuciones modernas pueden distribuir muy bien en un formato más moderno, como .tar.xz(usando el formato de compresión Xz ( LZMA ), que se comprime mejor que gzip o bzip2), o .7z, que es similar al ZIP o RAR formatos de archivo en que comprime y especifica un diseño para encapsular múltiples archivos en un solo archivo.

No ves que .7z se usa con más frecuencia por la misma razón por la que la música no se vende en tiendas de descargas en línea en formatos nuevos como Opus o video en WebM . La compatibilidad con personas que ejecutan sistemas antiguos o muy básicos es importante.

Tar tiene un amplio conjunto de operaciones y modificadores que saben todo sobre los sistemas de archivos Unix. Conoce los permisos de Unix, los diferentes tiempos asociados con los archivos, los enlaces duros, los enlaces blandos (y la posibilidad de que los enlaces simbólicos puedan introducir ciclos en el gráfico del sistema de archivos) y le permiten especificar varias formas diferentes de administrar todos estos datos. .

• ¿Desea que los datos extraídos conserven los tiempos de acceso a los archivos? Tar puede hacer eso. Para preservar los permisos? Tar puede hacer eso.

• ¿Desea conservar los enlaces simbólicos como enlaces simbólicos? Tar lo hace por defecto. ¿Quieres copiar el objetivo en su lugar? Tar puede hacer eso.

• ¿Desea estar seguro de que los datos enlazados solo se almacenan una vez (es decir, hacer lo correcto)? Tar hace eso.

• ¿Desea manejar bien los archivos dispersos? Tar puede hacer eso.

• ¿Quieres datos sin comprimir (¿por qué?)? Tar puede hacer eso. Para comprimir con gzip? Tar puede hacer eso. Con bzip2? Tar puede hacer eso. ¿Con programas arbitrarios de compresión externa? Tar puede hacer eso.

• ¿Desea escribir o recuperar a / desde un dispositivo sin formato? El formato de Tar lo maneja bien.

• ¿Desea agregar archivos a un archivo existente? Tar puede hacer eso. ¿Para diferenciar dos archivos para ver qué cambió? Tar puede hacer eso. ¿Para actualizar solo aquellas partes del archivo que han cambiado? Tar puede hacer eso.

• ¿Desea asegurarse de no archivar en más de un sistema de archivos? Tar puede hacer eso.

• ¿Desea capturar solo archivos que son más nuevos que su última copia de seguridad? Tar puede hacer eso.

• ¿Desea conservar los nombres o números de usuarios y grupos? Tar puede hacer cualquiera de los dos.

• ¿Necesita preservar los nodos del dispositivo (como los archivos /dev) para que después de la extracción, el sistema se ejecute correctamente? Tar puede hacer eso.

Tar ha evolucionado para manejar muchos casos de uso durante décadas y realmente sabe mucho sobre las cosas que la gente quiere hacer con los sistemas de archivos Unix.

Confunde los dos procesos distintos de archivo y compresión .

Razones para usar un archivador

Una razón para usar el archivado sin compresión es, por ejemplo, si un grupo de archivos se copia de un host a otro. Un comando como el siguiente

tar cf - some_directory | ssh host "(cd ~/somewhere | tar xf -)"

puede acelerar las cosas considerablemente. Si sé que los archivos no se pueden comprimir o si SSH está configurado con compresión, puede ahorrar un tiempo considerable de CPU. Claro, uno puede usar una herramienta de compresión más moderna con una función de archivo y desactivar la compresión. La ventaja tares que puedo esperar que esté disponible en todos los sistemas.

Razones para usar un archivador con compresión gzip

Una de las razones que utilizo tarcon gzipes: la velocidad! Si quiero transferir algunos GiB de archivos de texto de un lugar a otro, no me importa exprimir los últimos bytes, ya que la compresión solo se usa para el tránsito, no para el almacenamiento a largo plazo. En los casos que uso gzip, lo que no maximiza la CPU (en contraste con 7-Zip , por ejemplo), lo que significa que estoy obligado a E / S nuevamente y no a la CPU. Y de nuevo: gzippuede considerarse disponible en todas partes.

Razones para utilizar tara favor de scp, rsync, etc.

Es mejor scpque tenga muchos archivos pequeños para copiar (por ejemplo, un directorio de correo con cientos de miles de archivos). rsyncPor increíble que sea, es posible que no esté disponible en todas partes. Además, rsyncsolo vale la pena si parte de los archivos, o una versión anterior, ya está presente en el destino. Para la copia inicial tares la más rápida, con compresión o sin ella, dependiendo de los datos reales.

Agregando a las otras buenas respuestas aquí, prefiero la combinación tar+ gzip|bzip2|xzprincipalmente porque estos archivos comprimidos son como secuencias, y puede canalizarlos fácilmente.

Necesito descomprimir un archivo disponible en internet. Ya sea con zipo rarformatos Tengo que descargar primero y luego descomprimirlo. Con tar.{gz,bz2,xz}puedo descargar y descomprimir en el mismo paso, sin necesidad de tener el archivo comprimido físicamente en el disco:

curl -s http://example.com/some_compressed_file.tar.gz | tar zx

Esto dejará solo los archivos sin comprimir en mi disco y acelerará todo el proceso, porque no estoy perdiendo el tiempo descargando primero el archivo completo y después de que finalice la descarga, lo descomprimo. En cambio, lo estoy descomprimiendo mientras se está descargando. No puede hacer esto con zipo rararchivos.

Hay varias razones para quedarse con Tar (GNU).

Está:

• Licencia GPL
• bueno en el sentido de la filosofía de Unix
  • herramienta de un solo propósito, capaz de realizar varias tareas
• bien documentado y tiene muchas características confiables
• compatible con varios algoritmos de compresión
• fácil de usar y las personas han desarrollado hábitos con él
• ampliamente disponible
• Me siento cálido y borroso por dentro cuando uso el software iniciado por RMS (excluyendo Emacs )

Si su carne de res en particular es tener que "descomprimir" un tarball antes de poder leer el contenido, entonces probablemente tenga razón. WinRAR y 7-Zip lo hacen automáticamente. Sin embargo, existen soluciones simples a este problema, como documentar el contenido de un archivo sin comprimir.

Los formatos de archivo como .zip requieren que el software lea primero el final del archivo, para leer un catálogo de nombres de archivo. Por el contrario, tar almacena esa información en la secuencia comprimida.

La ventaja de la forma de alquitrán es que puede descomprimir datos mientras los lee desde una tubería no buscable, como un socket de red.

La ventaja de la forma zip es que, para un archivo estático en el disco, puede examinar el contenido y los metadatos sin descomprimir primero todo el archivo.

Ambos tienen sus usos, dependiendo de lo que estés haciendo.

Parece haber cierta renuencia a responder todas sus preguntas directamente, con una aparente preferencia por usar su pregunta como punto de partida para la pontificación. Así que lo intentaré.

¿Existe una penalización de rendimiento durante las etapas de agregación / compresión / descompresión por usar alquitrán encapsulado en gzip o bzip2, en comparación con el uso de un formato de archivo que agrega y comprime en la misma estructura de datos? Suponga que el tiempo de ejecución del compresor que se compara es idéntico (por ejemplo, gzip y Deflate son similares).

No. De hecho, dado que tar y gzip suelen ser dos procesos, incluso obtienes un pequeño beneficio de velocidad de varios núcleos que un archivador como el zip de Info-ZIP no proporciona. En términos de relación de compresión, tar + gzip generalmente funcionará notablemente mejor que zip con deflate ya que el primero puede beneficiarse de la correlación entre archivos, mientras que el segundo comprime los archivos por separado. Ese beneficio de compresión se traduce en un beneficio de velocidad al extraer, ya que un archivo más comprimido se descomprime en menos tiempo.

¿Existen características del formato de archivo tar que otros formatos de archivo, como .7z y .zip, no tienen?

Sí, tar se diseñó para Unix, y ha evolucionado a lo largo de los años para poder grabar y restaurar exactamente cada pequeño rincón y grieta de los sistemas de archivos Unix, incluso el sistema de archivos Mac OS X Unix más ruidoso y crannier. zip puede retener gran parte de los metadatos, como permisos, tiempos, propietarios, grupos y enlaces simbólicos, pero aún no todo. Como ejemplo, ni zip ni 7z pueden reconocer o aprovechar archivos dispersos, ni son conscientes de o pueden restaurar enlaces duros.

Dado que tar es un formato de archivo tan antiguo y existen formatos de archivo más nuevos hoy en día, ¿por qué el tar (ya sea encapsulado en gzip, bzip2 o incluso el nuevo xz) todavía se usa tan ampliamente en GNU / Linux, Android, BSD y otros UNIX? sistemas operativos, para transferencias de archivos, fuente de programas y descargas binarias, y algunas veces incluso como un formato de administrador de paquetes?

Muchas otras buenas respuestas aquí para eso. Lo mejor es que simplemente funciona , y puede seguir actualizándolo a mejores formatos de compresión (por ejemplo, xz) y seguir utilizando el mismo formato de tar e incluso la misma utilidad de tar compilada. Si solo desea empacar un montón de cosas y luego desempaquetar todo en el otro extremo, entonces hay pocas razones para usar cualquier cosa que no sea uno de los programas de software más antiguos, más completos y más depurados.

Si desea acceso aleatorio, actualizaciones parciales u otras cosas que necesitan lidiar con el contenido por partes, o si desea poder descubrir qué hay en él sin leer todo, entonces querrá usar un formato diferente.

Actuación

La gran diferencia es el orden en que se realizan la compresión y el archivado. tarArchivos, luego, opcionalmente, puede enviar el archivo a un compresor, y zipacumula el archivo y comprime los datos del archivo en fragmentos de 32 KB a medida que se inserta en el archivo. Al dividir los datos del archivo en pequeños trozos y comprimirlos por separado, le permite extraer archivos específicos o partes de archivos sin tener que descomprimir todo en el archivo anterior. También evita que el compresor cree un diccionario muy grande antes de reiniciarlo. Esto significa que la compresión irá más rápido, pero no dará una relación tan buena como comprimir todo con un tamaño de diccionario más grande.

Puede visualizarlo pensando en dos archivos, donde los primeros 500 bytes del segundo archivo son los mismos que los últimos 500 bytes del primer archivo. Con el zipmétodo, el compresor se reinicia para el segundo archivo, por lo que no recuerda que el primer archivo terminó con los mismos datos, por lo que no puede eliminar los datos duplicados del segundo archivo.

Popularidad

Hay muchos otros formatos que tienen varias ventajas tar. 7-Zip no almacena los permisos de archivos de Unix, pero darsí, y zippuede, y los tres almacenan un índice, que permite una exploración rápida, extracción de un subconjunto de archivos y actualización de archivos dentro del archivo. También pueden usar CPU de varios núcleos para la compresión.

La razón por la que todos todavía usan tares la misma razón por la que todos usan Windows y Flash : a la gente no le gusta el cambio. Sin una razón sólida para cambiar, las personas simplemente se adhieren a lo que saben. darno proporciona un beneficio suficiente para justificar la publicación de archivos en el formato cuando la mayoría de las personas ya lo han tarinstalado, y muy pocos lo saben dar, por lo que la simple inercia nos mantiene en el antiguo estándar.

Tar fue creado para hacer copias de seguridad de su sistema de archivos de fidelidad completa, no solo para transferir archivos. Como tal, la utilidad tar es la utilidad más completa para crear un archivo que conserva todo lo importante sobre la estructura de su sistema de archivos.

Esto incluye todas estas características que faltan en una o más herramientas de la competencia:

• propiedad del archivo
• permisos de archivo
• permisos de archivo menos comunes (por ejemplo, setuid, bit fijo)
• enlaces simbólicos
• enlaces duros
• entradas de dispositivo (es decir, dispositivos de caracteres y bloques)
• archivos escasos
• Entradas de ACL ( no compatibles con todas las versiones )
• atributos extendidos / de usuario ( no es compatible con todas las versiones )
• Etiquetas de SElinux ( no compatibles con todas las versiones )

También tiene la --one-file-systemopción que es extraordinariamente útil al hacer copias de seguridad.

Cada vez que se agrega una nueva característica a los sistemas de archivos, tarprimero se agrega soporte (o incluso exclusivamente). Por lo tanto, sigue siendo la forma más compatible de guardar archivos.

Hoy en día tenemos muchos archivos comprimidos, MP3, JPG, videos, archivos tar.gz, paquetes JAR, RPM, DEB, etc. Si necesita agrupar un montón de estos en un solo archivo para transferir, entonces es útil tener una utilidad 'tar' que solo agrupa los archivos sin intentar comprimirlos.

No solo desperdicia tiempo y electricidad intentar comprimir un archivo comprimido, sino que a menudo resulta en un archivo que es más grande que el original.

Otro uso es mejorar las tasas de compresión. Por ejemplo, si 'alquila' un paquete de archivos de registro y luego comprime el resultado, es probable que obtenga un archivo más pequeño que si lo comprimiera primero, luego empaquetado con 'tar'. Y, por supuesto, utilizando tar, puede elegir el algoritmo de compresión que desee y especificar opciones para optimizar la compresión para su caso de uso particular.

Encuentro que tar 'es muy relevante hoy y prefiero que use ZIP. En nuestra oficina, todas las personas con Windows tienen instalado 7-zip, por lo que, para nosotros, los archivos tar son totalmente compatibles con todas las plataformas.

Tal vez deberíamos preguntarnos por qué estos "nuevos" formatos de archivo que realizan tanto la compresión como la agregación (y agregaría cifrado) no se construyeron en tar desde el principio en lugar de herramientas completamente diferentes.

Según tengo entendido, hay razones históricas (relacionadas con el historial del sistema operativo, la "protección" de las patentes, la capacidad del proveedor de software para vender herramientas, etc.).

Ahora, como señaló otra respuesta, incluso ahora tar no es claramente inferior a otras soluciones y puede ser mejor en otros aspectos, como la capacidad de trabajar en transmisiones o la gestión de derechos de Unix.

Si lees el artículo de Wikipedia sobre el alquitrán , puedes ver otro hecho interesante. El artículo reconoce algunas deficiencias de tar ... pero no sugiere usar zip en su lugar (realmente el formato zip no resuelve estas deficiencias) sino DAR.

Terminaré con un toque personal. Algunas veces tuve que crear un formato de archivo para almacenar datos cifrados. Usar tar como base fue útil (otros hicieron la misma elección, por ejemplo tar es el formato de agregación interna para paquetes .deb). Era obvio para mí que tratar de comprimir datos después del cifrado era totalmente inútil, tenía que realizar la compresión como un paso independiente antes del cifrado, y tampoco estaba listo para usar el cifrado zip (quería cifrado de dos claves con claves públicas y privadas) . Usando alquitrán funcionó como una brisa.

Me sorprende que nadie haya mencionado esto, pero una de las razones, no realmente una ventaja, sino una necesidad, es la compatibilidad con versiones anteriores. Hay muchos sistemas que ejecutan software durante décadas que podrían requerir tararchivado. No es rentable contratar a alguien para "arreglar" todos los sistemas antiguos.

tar es UNIX como UNIX es tar

En mi opinión, la razón de seguir usando tarhoy es que es uno de los casos (probablemente raros) donde el enfoque de UNIX lo hizo perfectamente desde el principio.

Echando un vistazo más de cerca a las etapas involucradas en la creación de archivos, espero que esté de acuerdo en que la forma en que se lleva a cabo la separación de las diferentes tareas aquí es la filosofía de UNIX en su máxima expresión:

• una herramienta ( tarpara darle un nombre aquí) especializada en transformar cualquier selección de archivos, directorios y enlaces simbólicos, incluidos todos los metadatos relevantes, como marcas de tiempo, propietarios y permisos, en un flujo de bytes.

• y solo otra herramienta intercambiable arbitrariamente ( gzip bz2 xzpor nombrar solo algunas opciones) que transforma cualquier flujo de entrada de bytes en otro flujo de salida (con suerte) más pequeño.

El uso de este tipo de enfoque brinda un par de beneficios tanto para el usuario como para el desarrollador:

• extensibilidad Permitiendo acoplarse tarcon cualquier algoritmo de compresión ya existente o cualquier algoritmo de compresión aún por desarrollar sin tener que cambiar nada en el funcionamiento interno tar.

  Tan pronto como salga la nueva herramienta "hyper-zip-utra" o de compresión, ya estás listo para usarla, abrazando a tu nuevo servidor con todo el poder tar.

• La estabilidad tar ha sido de uso intensivo desde principios de los 80 probada y ejecutada en numerosos sistemas operativos y máquinas.

  Evitar la necesidad de reinventar la rueda en la implementación del almacenamiento de propiedad, permisos, marcas de tiempo y similares una y otra vez para cada nueva herramienta de archivo no solo ahorra mucho tiempo (de lo contrario innecesariamente invertido) en desarrollo, sino que también garantiza la misma confiabilidad para cada Nueva aplicación.

• consistencia La interfaz de usuario permanece igual todo el tiempo.

  No es necesario recordar que para restaurar los permisos usando la herramienta A, debe pasar la opción --i-hope-you-rember-this-oney usar la herramienta B que debe usar --this-time-its-another-one mientras usa la herramienta C es `--hope-you-didnt-try-with-tool-as-switch.

  Mientras que al utilizar la herramienta D, realmente la habría estropeado si no la hubiera utilizado --if-you-had-used-tool-bs-switch-your-files-would-have-been-deleted-now.

Muchas buenas respuestas, pero todas descuidan un hecho importante. Tar tiene un ecosistema bien establecido de usuarios y desarrolladores en el mundo tipo Unix. Eso lo mantiene en funcionamiento, al igual que ZIP sigue funcionando por su ecosistema DOS / Windows. Tener un ecosistema así es lo que sostiene una tecnología, no sus ventajas técnicas.

La razón es "afianzamiento en la cultura". Hay muchas personas como yo cuyos ojos se ven si se les pide que procesen algo que no sea un archivo comprimido de alquitrán, o el ZIP ocasional, si proviene del mundo de Windows.

No quiero escuchar sobre 7-Zip, RAR o cualquier otra cosa. Si tengo que instalar un programa para descomprimir su archivo, eso es trabajo. Lo haré si resulta que me pagan, o si el contenido es algo que "debo tener" y no está disponible de ninguna otra manera.

Una ventaja del alquitrán es que si le envías un tarball a alguien, se reconoce al instante. El destinatario puede escribir los comandos de extracción utilizando la memoria muscular.

La verdadera pregunta es: ¿por qué algunas personas están tan obsesionadas con ahorrar un byte más de espacio que les piden a todos los demás que pierdan el tiempo instalando alguna utilidad exótica y aprendiendo a usarla? Y luego están los usos estúpidos de los formatos exóticos de compresión y archivo. ¿Un video H.264 con sonido AAC realmente necesita ser puesto en RAR multiparte?

El formato tar puede ser antiguo, pero almacena todo lo que es relevante: contenido del archivo, rutas, marcas de tiempo, permisos y propiedades. Almacena no solo enlaces simbólicos, sino que puede preservar la estructura del enlace duro. También almacena archivos especiales, por lo que se puede usar un archivo de cinta para cosas como un /devdirectorio en miniatura que se usa durante el arranque. Puede armar una distribución de Linux cuyo formato de paquete binario no consiste en nada, sino en tarballs sin comprimir en relación con la raíz del sistema de archivos.

Responde directamente las preguntas específicas que planteaste:

¿Existe una penalización de rendimiento durante las etapas de agregación / compresión / descompresión por usar alquitrán encapsulado en gzip o bzip2, en comparación con el uso de un formato de archivo que agrega y comprime en la misma estructura de datos? Suponga que el tiempo de ejecución del compresor que se compara es idéntico (por ejemplo, gzip y Deflate son similares).

Hay una mejora de rendimiento específica, en casos generales, que se usa tarespecialmente con la biblioteca de compresión incorporada (las líneas de comando tar xvzfo tar xvjfstyle, donde se usa una biblioteca de compresión en lugar de un segundo proceso). Esto proviene de dos causas principales:

• Cuando se procesa una gran cantidad de archivos relativamente pequeños, especialmente los que se usan comúnmente en la distribución de software, existe una alta redundancia. La compresión en muchos archivos da como resultado una compresión general mayor que la compresión de archivos individuales. Y el "diccionario" se calcula una vez por cada porción de entrada, no por cada archivo.

• tarentiende los sistemas de archivos. Está diseñado para guardar y restaurar un sistema operativo que funcione / funcione. Comprende profundamente lo que es importante en un sistema de archivos UNIX, y captura y restaura fielmente eso. Otras herramientas ... no siempre, especialmente la familia zip, que está mejor diseñada para compartir archivos entre una familia de sistemas operativos, donde el documento es lo importante, no una copia sensible del sistema operativo fiel.

¿Existen características del formato de archivo tar que otros formatos de archivo, como .7z y .zip, no tienen?

Escaso manejo de archivos. Algunas de las bibliotecas de bases de datos directas se basan en archivos dispersos: archivos donde los datos son nominalmente GB, pero los datos reales escritos y almacenados son mucho, mucho menos, y solo se usan unos pocos bloques de disco. Si utiliza una herramienta que no es consciente, al descomprimir, termina con un consumo masivo de bloque de disco, todos con ceros. Convertir eso de nuevo en un archivo escaso es ... doloroso. Si incluso tienes espacio para hacerlo. Necesita una herramienta que comprenda qué es un archivo disperso y lo respeta.

Metadatos Unix ha desarrollado algunas cosas extrañas a lo largo de los años. Nombres de archivos de 14 caracteres, nombres largos de archivos, enlaces de enlaces simbólicos, bits fijos, bits de superusuario, permisos de acceso de grupo heredados, etc. Tar los comprende y reproduce. Herramientas para compartir archivos ... no tanto. Mucha gente no usa los enlaces de la manera que podrían ... Si alguna vez trabajó con un software que sí usa enlaces, y luego usó una herramienta no consciente para realizar copias de seguridad y restaurar, ahora tiene muchas archivos, en lugar de un solo archivo con muchos nombres. Dolor. Su software falla y tiene hinchazón de disco.

Dado que tar es un formato de archivo tan antiguo y existen formatos de archivo más nuevos hoy en día, ¿por qué el tar (ya sea encapsulado en gzip, bzip2 o incluso el nuevo xz) todavía se usa tan ampliamente en GNU / Linux, Android, BSD y otros UNIX? sistemas operativos, para transferencias de archivos, fuente de programas y descargas binarias, y algunas veces incluso como un formato de administrador de paquetes?

tartrabajos. Hace el trabajo para el que está diseñado, bueno. Ha habido otros reemplazos promocionado ( cpio, pax, etc, etc). Pero tar está instalado en casi todo, y las bibliotecas de compresión que usa también son muy comunes por otras razones. No ha aparecido nada más que supere sustancialmente lo que hace el alquitrán. Sin ventajas claras y una gran cantidad de uso y conocimiento integrados en la comunidad, no habrá reemplazo. El alquitrán ha tenido mucho uso a lo largo de los años. Si obtenemos cambios importantes en la forma en que pensamos en los sistemas de archivos, o los archivos que no son de texto de alguna manera se convierten en la forma de transferir código (actualmente no puedo imaginar cómo, pero ignore eso ...), entonces podría encontrar otra herramienta. Pero ese no sería el tipo de sistema operativo que ahora usamos. Sería una cosa diferente, organizada de manera diferente y necesitaría sus propias herramientas.

La pregunta más importante, creo, que no preguntaste, es para qué trabajos 'tar' no son adecuados.

tarcon compresión es frágil Necesita todo el archivo, poco a poco. En mi experiencia, no es resistente. He tenido errores de un solo bit que resultan en archivos de varias partes que se vuelven inutilizables. No introduce redundancia para protegerse contra errores (lo que anularía una de las preguntas que hizo, sobre la compresión de datos). Si existe la posibilidad de corrupción de datos, entonces desea verificar los errores con redundancia para poder reconstruir los datos. Eso significa, por definición, que no estás comprimido al máximo. No se puede tener cada bit de datos necesarios y tener su valor máximo de significado (compresión máxima) y tener cada bit de datos capaz de pérdida y recuperación (redundancia y corrección de errores). Entonces ... ¿cuál es el propósito de su archivo?tares excelente en entornos de alta confiabilidad y cuando el archivo se puede reproducir desde la fuente nuevamente. IME, en realidad es peor en lo original que sugieren sus nombres: el archivo en cinta. Los errores de un solo bit en una cinta (o peor, los errores de un solo bit en un cabezal de cinta, donde pierde un bit en cada byte de una cinta o archivo completo) hacen que los datos se vuelvan inutilizables. Con suficiente redundancia y detección y corrección de errores, puede sobrevivir a cualquiera de esos problemas.

Entonces ... ¿cuánto ruido y corrupción hay en el entorno que está mirando? ¿Se puede usar la fuente para regenerar un archivo fallido? La respuesta, a partir de las pistas que ha proporcionado, es que el sistema no es ruidoso y que la fuente es capaz de regenerar un archivo. En cuyo caso, tares adecuado.

tarcon compresión tampoco funciona bien con archivos precomprimidos. Si está enviando datos ya comprimidos ... solo use tar y no se moleste con la etapa de compresión, solo agrega ciclos de CPU para no hacer mucho. Eso significa que necesita saber qué está enviando y por qué. Si te importa. Si no le importan esos casos especiales, tar copiará fielmente los datos, y comprimir fielmente no hará mucho para hacerlos más pequeños. No hay gran problema, aparte de algunos ciclos de CPU.

TAR es archivo de cinta. Ha existido durante décadas y es ampliamente utilizado y respaldado. Es un producto maduro y se ocupa tanto de las necesidades actuales como de las heredadas.