Архиваторы, требования к ним. Понятия самораспаковывающихся и распределенных архивов

Пример

Исходная последовательность: 3, 3, 12, 12, 12, 0, 0, 0, 0.
Сжатая информация: 3, 2, 12, 3, 0, 4.
Коэффициент сжатия: 6/9*100% = 67%.

Алгоритм KWE

В основу алгоритмов кодирования по ключевым словам (Keyword Encoding) положено кодирование лексических единиц исходного до­кумента группами байтов фиксированной длины. Примером лексиче­ской единицы может служить слово (последовательность символов, справа и слева ограниченная пробелами или символами конца абзаца). Результат кодирования сводится в таблицу, которая прикладывается к Результирующему коду и представляет собой словарь. Обычно для ^англоязычных текстов принято использовать двухбайтную кодировку слов. Образующиеся при этом пары байтов называют токенами.

Эффективность данного метода существенно зависит от длины документа, поскольку из-за необходимости прикладывать к архиву словарь длина кратких документов не только не уменьшается но даже возрастает.

Данный алгоритм наиболее эффективен для англоязычных текстовых документов и файлов баз данных. Для русскоязычных документов,отличающихся увеличенной длиной слов и большим количеством приставок, суффиксов и окончаний, не всегда удается ограничиться двухбайтными токенами, и эффективность метода заметно снижается.

Алгоритм Хафмана

В основе этого алгоритма лежит кодирование не байтами а бито­выми группами.

Перед началом кодирования производится частотный анализ кода документа и выявляется частота повтора каждого из встречающихся символов.

Чем чаще встречается тот или иной символ, тем меньшим коли­чеством битов он кодируется (соответственно, чем реже встречается символ, тем длиннее его кодовая битовая последовательность).

Образующаяся в результате кодирования иерархическая структура прикладывается к сжатому документу в качестве таблицы соответствия.

Используя 16 бит, можно закодировать до 256 различных симво­лов. Однако ничто не мешает использовать и последовательности дли­ной до 20 бит - тогда можно закодировать до 1024 лексических единиц (это могут быть не символы, а группы символов, слоги и даже слова).

связи с тем, что к сжатому архиву необходимо прикладывать таблицу соответствия, на файлах малых размеров алгоритм Хафмана малоэффективен. Практика также показывает, что его эффективность зависит и от заданной предельной длины кода (размера словаря). В среднем, наиболее эффективными оказываются архивы с размером словаря от 512 до1024 единиц (длина кода до 18-20 бит).

Синтетические алгоритмы

Рассмотренные выше алгоритмы в «чистом виде» на практике не применяют из-за того, что эффективность каждого из них сильно зави­сит от начальных условий. В связи с этим, современные средства ар­хивации данных используют более сложные алгоритмы, основанные на комбинации нескольких теоретических методов. Общим принци­пом в работе таких «синтетических» алгоритмов является предварительный просмотр и анализ исходных данных для индивидуальной на стройки алгоритма, на особенности обрабатываемого материала.

Программные средства сжатия данных

«Классическими» форматами сжатия данных, широко используемыми в повседнев­ной работе с компьютером, являются форматы.ZIP,.RAR и.ARJ. Программные сред­ства, предназначенные для создания и обслуживания архивов, выполненных в данных форматах, приведены в табл. 14.2.

· Несмотря на то что средства архивации, предназначенные для операционной системы MS-DOS, вполне могут работать под управлением Windows, пользоваться ими не реко­мендуется. В первую очередь это связано с тем, что при обработке файлов происходит утрата «длинных имен» файлов и подмена их именами MS-DOS по спецификации 8.3. Это может создать потребителю документа определенные неудобства, а в случаях, когда архивация производится с целью резервного копирования, утрата «длинных имен» вообще недопустима.

Стоит отметить, что в связи с широким распространением нескольких форматов сжатия многие программные средства для сжатия данных начинают приобретать универсальный характер, позволяя упаковывать и распаковывать сжатые архивы разных типов. Программные средства для Windows обычно имеют один «предпоч­тительный» тип архива, но также справляются с распаковкой данных при работе с архивами других типов.

Наиболее распространен формат.ZIP, который является стандартом де-факто для архивов, распространяемых через Интернет. Немаловажную роль в этом играет открытость этого формата. Этот формат является полностью открытым — его использование не требует никаких лицензионных отчислений.

Операционная система Windows XP позволяет рассматривать ZIP- архивы как сжа­тые папки. Это предполагает полностью «прозрачную» работу с такими архивами — все файловые операции можно выполнять в сжатой папке так же, как в обычной. Однако специализированные средства работы с архивами обеспечивают более широкий набор функций.

· При использовании файловой системы NTFS возможно внутреннее сжатие при записи на диск для экономии пространства. С точки зрения всех файловых операций такие файлы не рассматриваются как упакованные. При их копировании на носитель с дру­гой файловой системой они автоматически распаковываются.

Базовые требования к диспетчерам архивов

Современные программные средства для создания и обслуживания архивов отли­чаются большим объемом функциональных возможностей, многие из которых выходят далеко за рамки простого сжатия данных и эффективно дополняют стан­дартные средства операционной системы. В этом смысле современные средства архивации данных называют диспетчерами архивов.

К базовым функциям, которые выполняют большинство современных диспетче­ров архивов, относятся:

• извлечение файлов из архивов;

• создание новых архивов;

• добавление файлов в имеющийся архив;

• создание самораспаковывающихся архивов;

• создание распределенных архивов на носителях малой емкости;

• тестирование целостности структуры архивов;

• полное или частичное восстановление поврежденных архивов;

• защита архивов от просмотра и несанкционированной модификации.

Самораспаковывающиеся архивы. В тех случаях, когда архивация производится для передачи документа потребителю, следует предусмотреть наличие у него программ­ного средства, необходимого для извлечения исходных данных из уплотненного архива. Если таких средств у потребителя нет или нет оснований предполагать их наличие, создают самораспаковывающиеся архивы. Самораспаковывающийся архив готовится на базе обычного архива путем присоединения к нему небольшого программного модуля. Сам архив получает расширение имени.ЕХЕ, характерное для исполнимых файлов. Потребитель сможет выполнить его запуск как программы, после чего распаковка архива произойдет на его компьютере автоматически.

Распределенные архивы. В тех случаях, когда предполагается передача большого архива на носителях малой емкости, например на гибких дисках, возможно рас­пределение одного архива в виде малых фрагментов на нескольких носителях.

Современные диспетчеры архивов способны выполнить предварительное разбиение архива на фрагменты заданного размера на жестком диске. Впоследствии их можно перенести на внешние носители путем копирования. Все файлы распределенного архива получают разные имена, и поэтому их последующее упорядочение не вызы­вает проблем.

Оптимальный режим работы с распределенными архивами следующий:

• создание набора файлов распределенного архива в папке на жестком диске;

• копирование файлов распределенного архива на отдельные сменные носители (обычно гибкие диски);

• перенос (перевозка) сменных носителей в место назначения;

• копирование файлов распределенного архива со сменных носителей в одну папку на конечном жестком диске;

• распаковка распределенного архива.

Гибкие диски являются крайне ненадежными носителями, поэтому архивы, сфор­мированные на жестком диске, должны храниться до получения подтверждения от потребителя о том, что распределенный архив поступил к нему в неповрежден­ном виде и прошел распаковку. Правилом «хорошего тона» считается создание двух копий при передаче материалов на гибких дисках.

Защита архивов. В большинстве случаев защиту архивов выполняют с помощью пароля, который запрашивается при попытке просмотреть, распаковать или изме­нить архив. Теоретически, защита с помощью пароля считается неудовлетвори­тельной и не рекомендуется для особо важной информации. В то же время необходимо отметить, что основные программные средства, используемые для вос­становления утраченного пароля (или взлома закрытой информации, что, по сути, то же самое), используют методы прямого перебора. Работу этих средств можно существенно затруднить и замедлить, если расширить область перебора. Пароли на базе только букв английского алфавита и цифр действительно снимаются очень быстро. Однако даже незначительное увеличение числа используемых символов за счет знаков препинания многократно увеличивает криптостойкость защиты, а использование также и символов русского алфавита может полностью опроверг­нуть попытки снять пароль путем перебора, сделав сроки работы неприемлемыми.

Дополнительные требования к диспетчерам архивов

К дополнительным функциям диспетчеров архивов относятся сервисные функ­ции, делающие работу более удобной. Они часто реализуются внешним подклю­чением дополнительных служебных программ и обеспечивают:

• просмотр файлов различных форматов без извлечения их из архива;

• поиск файлов и данных внутри архивов;

• установку программ из архивов без предварительной распаковки;

• проверку отсутствия компьютерных вирусов в архиве до его распаковки;

• криптографическую защиту архивной информации;

• декодирование сообщений электронной почты;

• «прозрачное» уплотнение исполнимых файлов.ЕХЕ и.DLL;

• создание самораспаковывающихся многотомных архивов;

• выбор или настройку коэффициента сжатия информации.

Дата добавления: 2015-04-24