NAZWA¶

bzip2, bunzip2 - sortujący bloki kompresor/dekompresor plików, v1.0
bzcat - dekompresuje pliki na standardowe wyjście
bzip2recover - odzyskuje dane ze zniszczonych archiwów bzip2

SKŁADNIA¶

bzip2 [-cdfkqstvzVL123456789] [nazwy_plików...]
bunzip2 [-fkvsVL] [nazwy_plików...]
bzcat [-s] [nazwy_plików...]
bzip2recover nazwa_pliku

OPIS¶

bzip2 kompresuje pliki używając algorytmu sortowania bloków Burrowsa-Wheelera i kodu Huffmana. Kompresja jest generalnie sporo lepsza od konwencjonalnych kompresorów opartych o metodę LZ77/LZ78, i jest porównywalna z osiągnięciami statystycznych kompresorów z rodziny PPM.

Opcje linii poleceń są w większości bardzo podobne do tych z GNU gzip, ale nie są identyczne.

bzip2 oczekuje listy plików towarzyszących parametrom linii poleceń. Każdy plik jest zastępowany przez swoją skompresowaną wersję, z nazwą "oryginalny_plik.bz2". Każdy skompresowany plik ma ten sam czas modyfikacji, uprawnienia i, jeśli to możliwe, właściciela co oryginał, po to, aby te ustawienia mogły zostać odtworzone podczas dekompresji. Utrzymywanie nazwy plików nie jest do końca dokładne w tym sensie, że nie ma możliwości przetrzymywania daty, uprawnień, właściciela i nazw plików na systemach, na których brakuje tych możliwości lub mają ograniczenia co do długości nazwy, tak np. jak MS-DOS.

bzip2 i bunzip2 standardowo nie nadpisują istniejących już plików. Jeśli chcesz aby to robiły, musisz użyć parametru -f.

Jeśli nie podano żadnej nazwy pliku, bzip2 kompresuje ze standardowego wejścia na standardowe wyjście. Odmiawia wówczas wypisywania skompresowanego wyjście na terminal, gdyż byłoby to całkiem niezrozumiałe i przez to bez większego sensu.

bunzip2 (lub bzip2-d) dekompresuje wszystkie podane pliki. Pliki, które nie były utworzone przez bzip2 zostaną wykryte i zignorowane, a na ekranie pojawi się komunikat ostrzegawczy. bzip2 próbuje zgadnąć nazwę dla dekompresowanego pliku w następujący sposób:

       nazwa_pliku.bz2    staje się   nazwa_pliku


       nazwa_pliku.bz     staje się   nazwa_pliku


       nazwa_pliku.tbz2   staje się   nazwa_pliku.tar


       nazwa_pliku.tbz    staje się   nazwa_pliku.tar


       inna_nazwa	  staje się   inna_nazwa.out

Tak jak kompresja, nie posiadająca żadnych plików, powoduje kompresję ze standardowego wejścia na standardowe wyjście.

bunzip2 poprawnie zdekompresuje plik, który jest połaczeniem dwóch lub więcej skompresowanych plików. Rezultatem jest połączony odpowiedni nieskompresowany plik. Obsługiwane jest również sprawdzanie spójności (-t) połączonych skompresowanych plików.

Możesz również kompresować lub dekompresować pliki na standardowe wyjście używając parametru -c. W ten właśnie sposób można przeprowadzać kompresję wielu plików równocześnie. Powstałe wyniki są przesyłane sekwencyjnie na standardowe wyjście. W ten sposób kompresja wielu plików generuje strumień zawierający reprezentacje kilku skompresowanych plików. Taki strumień może być zdekompresowany poprawnie tylko przez bzip2 w wersji 0.9.0 lub późniejszej. Wcześniejsze wersje bzip2 zatrzymają się po zdekmpresowaniu pierwszego pliku w strumieniu.

bzcat (lub bzip2 -dc) dekompresuje wszystkie wybrane pliki na standardowe wyjście.

bzip2 czyta argumenty ze zmiennych środowiskowych BZIP2 i BZIP, w podanej kolejności, i przetwarza je przed jakimikolwiek argumentami przeczytanymi z linii poleceń. To dobra metoda na specyfikowanie standardowych ustawień.

Kompresja stosowana jest zawsze, nawet jeśli skompresowany plik jest nieznaczniej większy od pliku oryginalnego. Pliki mniejsze niż mniej więcej sto bajtów stają się większe, ponieważ mechanizm kompresji ma stały nagłówek wynoszący około 50 bajtów. Przypadkowe dane (włączając wyjście większości kompresorów plików) dą kodowane na mniej więcej 8.05 bitu na bajt, dając zysk około 0.5%.

Jako samosprawdzenie dla twojej ochrony bzip2 używa 32-bitowego CRC aby upewnić się, że zdekompresowana wersja pliku jest identyczna z oryginalną. To strzeże przed stratami w skompresowanych danych i przed niewykrytymi błędami w bzip2 (na szczęście bardzo rzadkich). Możliwość niewykrycia utraty danych jest mikroskopijna, mniej więcej jedna szansa na cztery biliony dla każdego pliku. Uważaj jednak, gdyż sprawdzenie jest dokonywane przed dekompresją, więc dowiesz się tylko tego, że coś jest nie w porządku. Nie pomoże ci to odzyskać oryginalnych nieskompresowanych danych. Możesz użyć bzip2recover aby spróbować odzyskać dane z uszkodzonych plików.

Zwracane wartości: 0 dla normalnego wyjścia, 1 dla problemów technicznych (plik nie znaleziony, niewłaściwy parametr, błąd wyjścia/wyjścia itp.), 2 dla zasygnalizowania błędu skompresowanego pliku, 3 dla wewnętrznego błędu (np. bug), który zmusił bzip2 do przerwania.

OPCJE¶

-c --stdout

Kompresuje lub dekompresuje na standardowe wyjście.

-d --decompress

Wymusza dekompresję. bzip2, bunzip2 i bzcat są tak naprawdę tymi samymi programami i decyzja jakie akcje będą wykonane jest wykonywana na podstawie nazwy jaka została użyta. Ten parametr ma wyższy priorytet i wymusza na bzip2 dekompresję.

-z --compress

Podobne do -d: wymusza kompresję, bez względu na sposób wywołania.

-t --test

Sprawdza integralność wybranego pliku(ów), ale nie dekompresuje ich. Wymusza to próbną dekompresję i mówi, jaki jest rezultat.

-f --force

Wymusza zastępowanie plików wyjściowych. Normalnie, bzip2 nie zastępuje istniejących plików wyjściowych. Wymusza również na bzip2 łamanie dowiązań twardych, czego normalnie nie robi.

-k --keep

Zatrzymaj (nie kasuj) pliki wejściowe przy kompresji lub dekompresji.

-s --small

Zredukuj użycie pamięci na kompresję, dekompresję i testowanie. Pliki są dekompresowane i testowane przy użyciu zmodyfikowanego algorytmu, który potrzebuje tylko 2.5 bajtu na blok bajtów. Oznacza to, że każdy plik może być zdekompresowany przy użyciu około 2300k pamięci, jednak tracąc około połowę normalnej szybkości.

Podczas kompresji, -s wybiera bloki wielkości 200k, których limity pamięci wynoszą mniej więcej tyle samo, w zamian za jakość kompresji. W skrócie, jeśli twój komputer ma mało pamięci (8 megabajtów lub mniej), używaj opcji -s do wszystkiego. Zobacz zarządzanie pamięcią poniżej.

-q --quiet

Wyłącza wszystkie nieistotne komunikaty ostrzegawcze. Nie są eliminowane komunikaty dotyczące błędów wejścia/wyjścia i innych zdarzeń krytycznych.

-v --verbose

Tryb gadatliwy -- pokazuje stopień kompresji dla każdego pliku. Następne -v zwiększają stopień gadatliwości, powodując wyświetlanie dużej ilości informacji, przydatnych głównie przy diagnostyce.

-L --license -V --version

Wyświetla wersję programu i warunki licencji.

-1 to -9

Ustawia wielkość bloku na 100 k, 200 k .. 900 k przy kompresji. Nie ma żadnego znaczenia przy dekompresji. Zobacz zarządzanie pamięcią poniżej.

--

Traktuje wszystkie następujące po nim argumenty jako nazwy plików, nawet jeśli zaczynają się one od myślnika. Możesz więc kompresować i dekompresować pliki, których nazwa zaczyna się od myślnika, na przykład: bzip2 -- -mój_plik.

--repetitive-fast --repetitive-best

Te parametry nie mają znaczenia w wersjach 0.9.5 i wyższych. Umożliwiały one pewną infantylną kontrolę nad zachowaniem algorytmu sortującego we wcześniejszych wersjach, co było czasami użyteczne. Wersje 0.9.5 i wyższe mają usprawniony algorytm, który powoduje bezużyteczność tej funkcji.

ZARZĄDZANIE PAMIĘCIĄ¶

bzip2 kompresuje duże pliki w blokach. Rozmiar bloku ma wpływ zarówno na stopień osiąganej kompresji, jak również na ilość pamięci potrzebnej do kompresji i dekompresji. Parametry od -1 do -9 wybierają rozmiar bloku odpowiednio od 100,000 bajtów aż do 900,000 bajtów (standardowo). W czasie dekompresji, rozmiar bloku użytego do kompresji jest odczytywany z nagłówku pliku skompresowanego i bunzip2 sam zajmuje odpowiednią do dekompresji ilość pamięci. Ponieważ rozmiar bloków jest przetrzymywany w pliku skompresowanym, parametry od -1 do -9 nie mają przy dekompresji żadnego znaczenia.

Wymagania kompresji i dekompresji w bajtach, mogą być wyliczone przez:

Kompresja : 400k + ( 8 x rozmiar bloku )

Dekompresja : 100k + ( 4 x rozmiar bloku ) lub
100k + ( 2.5 x rozmiar bloku )

Większe bloki dają duże zmniejszenie zwrotów marginalnych. Większość kompresji pochodzi z pierwszych stu lub dwustu kilobajtów rozmiaru bloku. Warto o tym pamiętać używając bzip2 na wolnych komputerach. Warto również podkreślić, że rozmiar pamięci potrzebnej do dekompresji jest wybierany poprzez ustawienie odpowiedniej wielkości bloku przy kompresji.

Dla plików skompresowanych standardowym blokiem wielkości 900k, bunzip2 będzie wymagał około 3700 kilobajtów do dekompresji. Aby umożliwić dekompresję na komputerze wyposażonym jedynie w 4 megabajty pamięci, bunzip2 ma opcję, która może zmniejszyć wymagania prawie do połowy, tzn. około 2300 kilobajtów. Prędkość dekompresji jest również bardzo zmiejszona, więc używaj tej opcji tylko wtedy, kiedy jest to konieczne. Tym parametrem jest -s.

Generalnie, próbuj i używaj największych rozmiarów bloków, jeśli ilość pamięci ci na to pozwala. Prędkość kompresji i dekompresji w zasadzie nie zależy od wielkości użytego bloku.

Inna ważna rzecz dotyczy plików, które mieszczą się w pojedyńczym bloku -- oznacza to większość plików na które się natkniesz używając dużych bloków. Rozmiar realny pamięci zabieranej jest proporcjonalny do wielkości pliku, jeśli plik jest mniejszy niż blok. Na przykład, kompresja pliku o wielkości 20,000 bajtów z parametrem -9 wymusi na kompresorze odnalezienie 7600 k pamięci, ale zajęcie tylko 400k + 20000 * 8 = 560 kilobajtów z tego. Podobnie, dekompresor odnajdzie 3700k, ale zajmie tylko 100k + 20000 * 4 = 180 kilobajtów.

Tu jest tabela, która podsumowuje maksymalne użycie pamięci dla różnych rozmiarów bloków. Podano też całkowity rozmiar skompresowanych 14 plików tekstowych (Calgary Text Compressione Corpus) zajmujących razem 3,141,622 bajtów. Ta kolumna daje pewne pojęcie o tym, jaki wpływ na kompresję ma wielkość bloków. Ta tabela uzmysławia również przewagę użycia większych bloków dla większych plików, ponieważ "Corpus" jest zdominowany przez mniejsze pliki.

             Użycie       Użycie        Użycie         Corpus


   Parametr kompresji   dekompresji   dekompresji -s    Size


     -1      1200k         500k          350k          914704


     -2      2000k         900k          600k          877703


     -3      2800k         1300k         850k          860338


     -4      3600k         1700k        1100k          846899


     -5      4400k         2100k        1350k          845160


     -6      5200k         2500k        1600k          838626


     -7      6100k         2900k        1850k          834096


     -8      6800k         3300k        2100k          828642


     -9      7600k         3700k        2350k          828642

ODZYSKIWANIE DANYCH ZE ZNISZCZONYCH PLIKÓW BZIP2¶

bzip2 kompresuje pliki w blokach, zazwyczaj 900 kilbajtowych. Każdy blok jest trzymany osobno. Jeśli błędy transmisji lub nośnika uszkodzą plik wieloblokowy .bz2, możliwe jest odtworzenie danych zawartych w niezniszczonych blokach pliku.

Każdy blok jest reprezentowany przez 48-bitowy wzorzec, który umożliwia znajdowanie przyporządkowań bloków z rozsądną pewnością. Każdy blok ma również swój 32-bitowy CRC, więc bloki uszkodzone mogą być łatwo odseparowane od poprawnych.

bzip2recover jest oddzielnym programem, którego zadaniem jest poszukiwanie bloków w plikach .bz2 i zapisywanie ich do własnego pliku .bz2. Możesz potem użyć bzip2 -t aby sprawdzić spójność wyjściowego pliku i zdekompresować te, które nie są uszkodzone.

bzip2recover pobiera pojedynczy argument, nazwę uszkodzonego pliku, i tworzy pewną liczbę plików "rec0001plik.bz2", "rec0002plik.bz2", itd., przetrzymujące odzyskane bloki. Wyjściowe nazwy plików są tak tworzone, aby łatwo było potem używać ich razem za pomocą gwiazdek -- na przykład, "bzip2 -dc rec*plik.bz2 > odzyskany_plik" -- wylistuje pliki we właściwej kolejności.

bzip2recover powinien być używany najczęściej z dużymi plikami .bz2, jako iż one zawierają najczęściej dużo bloków. Jest czystym bezsensem używać go na uszkodzonym jedno-blokowym pliku, ponieważ uszkodzony blok nie może być odzyskany. Jeśli chcesz zminimalizować jakiekolwiek możliwe straty danych poprzez nośnik lub transmisję, powinieneś zastanowić się nad użyciem mniejszych bloków.

OPISY WYNIKÓW¶

Etap sortujący kompresji łączy razem podobne ciągi znaków w pliku. Przez to, pliki zawierające bardzo długie ciągi powtarzających się symboli, jak "aabaabaabaab ..." (powtórzone kilkaset razy) mogą być kompresowane wolniej niż normalnie. Wersje 0.9.5 i wyższe zachowują się dużo lepiej w tej sytuacji niż wersje poprzednie. Różnica stopnia kompresji pomiędzy najgorszym i najlepszym przypadkiem kompresji wynosi około 10:1. Dla wcześniejszych wersji było to nawet około 100:1. Jeśli chcesz, możesz użyć parametru -vvvv aby monitorować postępy bardzo szczegółowo.

Prędkość dekompresji nie jest zmieniana przez to zjawisko.

bzip2 zazwyczaj rezerwuje kilka megabajtów pamięci do działania a potem wykorzystuje ją w sposób zupełnie przypadkowy. Oznacza to, że zarówno prędkość kompresji jak i dekompresji jest w dużej części zależna od prędkości, z jaką twój komputer może naprawiać braki bufora podręcznego. Z tego powodu, wprowadzone zostały małe zmiany kody aby zmniejszyć straty, które dały nieproporcjonalnie duży wzrost osiągnięć. Myślę, że bzip2 będzie działał najlepiej na komputerach z dużymi buforami podręcznymi.

ZAKAMARKI¶

Wiadomości o błędach wejścia/wyjścia nie są aż tak pomocne, jak mogłyby być. bzip2 stara się wykryć błąd wejścia/wyjścia i wyjść "czysto", ale szczegóły tego, jaki to problem mogą być czasami bardzo mylące.

Ta strona podręcznika odnosi się do wersji 1.0 programu bzip2. Skompresowane pliki utworzone przez tę wersję są kompatybilne zarówno z w przód jak i wstecznie z poprzednimi publicznymi wydaniami, wersjami 0.1pl2, 0.9.0 i 0.9.5 ale z małymi wyjątkami: 0.9.0 i wyższe potrafią poprawnie dekompresować wiele skompresowanych plików złączonych w jeden. 0.1pl2 nie potrafi tego; zatrzyma się już po dekompresji pierwszego pliku w strumieniu.

bzip2recover używa 32-bitowych liczb do reprezentacji pozycji bitu w skompresowanym pliku, więc nie może przetwarzać skompresowanych plików dłuższych niż 512 megabajtów. Można to łatwo naprawić.

AUTOR¶

Julian Seward, jseward@acm.org.

http://www.muraroa.demon.co.uk http://sourceware.cygnus.com/bzip2

Idee zawarte w bzip2 są podzielone (przynajmniej) pomiędzy nastepujący ludzi: Michael Burrows i David Wheeler (transformacja sortującą bloki), David Wheeler (znów, koder Huffmana), Peter Fenwick (struktura kodowania modelu w oryginalnym bzip2, i wiele udoskonaleń), i Alistair Moffar, Radford Neal i Ian Witten (arytmetyczny koder w oryginalnym bzip2). Jestem im bardzo wdzięczny za ich pomoc, wsparcie i porady. Zobacz stronę manuala w źródłowej dystrybucji po wskaźniki do źródeł dokumentacji. Christian von Roques zachęcił mnie do wymyślenia szybszego algorytmu sortującego, po to żeby przyspieszyć kompresję. Bela Lubkin zachęciła mnie do polepszenia najgorszych wyników kompresji. Wiele ludzi przysłało łatki, pomogło w różnych problemach, pożyczyło komputerów, dało rady i było ogólnie pomocnych.