Конвертер 7Z в TBZ2

Что такое конвертация 7Z в TBZ2?

Конвертация 7Z в TBZ2 - это переход от современного архиватора Игоря Павлова к классическому Unix-формату TAR.BZ2 с сильным сжатием по алгоритму BZIP2. Расширение TBZ2 является сокращённой формой записи tar.bz2: сначала файлы упаковываются в TAR-контейнер, который сохраняет структуру каталогов и POSIX-атрибуты, затем полученный поток пропускается через компрессор BZIP2. Алгоритм BZIP2 был создан Джулианом Сьюардом в 1996 году и отличается тем, что использует не классическое словарное сжатие, а преобразование Барроуза-Уилера (BWT, Burrows-Wheeler Transform).

BWT работает иначе, чем LZMA2 в 7Z: он не ищет повторяющиеся подстроки, а переупорядочивает символы блока так, чтобы похожие байты оказывались рядом, после чего применяет MTF-кодирование (Move-To-Front) и кодирование Хаффмана. Такой подход даёт особенно хорошие результаты на текстовых данных - для книг, исходного кода, логов, XML и JSON BZIP2 нередко обходит DEFLATE на 15-30% и приближается к LZMA2 по компактности, хотя расходует больше времени и памяти.

При конвертации 7Z в TBZ2 содержимое исходного архива распаковывается в исходные файлы, упаковывается в TAR-поток с сохранением метаданных Unix, после чего поток сжимается BZIP2 в блоках по 100-900 КБ. Каждый блок обрабатывается независимо, что обеспечивает определённую устойчивость к повреждениям: при битой середине файла можно восстановить оставшиеся целые блоки.

Технические различия форматов 7Z и TBZ2

Алгоритмы сжатия

7Z применяет LZMA2 - словарный алгоритм с диапазонным кодированием. Большой словарь (до 1 ГБ) позволяет находить повторения на огромных расстояниях, а арифметическое кодирование контекстной модели уплотняет результат. Это эффективно для разнородного контента.

BZIP2 использует трёхступенчатую схему: сначала применяется RLE для повторяющихся байт, затем блок проходит преобразование Барроуза-Уилера, далее MTF-кодирование (преобразует список символов в индексы по принципу LRU), и финал - кодирование Хаффмана с динамическими таблицами. Размер блока выбирается от 100 до 900 КБ - чем больше блок, тем сильнее сжатие, но тем дольше обработка.

Сравнительная таблица

Реальные степени сжатия

Ориентировочное сравнение размеров для типичных наборов данных:

BZIP2 особенно силён на текстах с повторяющейся структурой и предложениями: книги, словари, веб-логи. На уже сжатых файлах преимущества нет, как и у любых других компрессоров.

Когда необходима конвертация 7Z в TBZ2

Совместимость с Unix-средой

TAR.BZ2 - один из стандартных форматов экосистемы Linux и BSD, особенно для проектов, существующих с 2000-х годов. Сценарии, где TBZ2 предпочтителен:

• Дистрибутивы исходного кода - многие зрелые проекты GNU, Apache, FreeBSD ports выкладывают tarballs именно в формате tar.bz2.
• Научные данные - результаты экспериментов в формате CSV, FITS, PDB часто архивируются в TBZ2 за хорошее сжатие текстовых таблиц.
• Документация - архивы man-страниц, info-файлов, технической документации Linux-дистрибутивов хранятся в tar.bz2.
• Базы данных в текстовом виде - SQL-дампы, экспорты CSV, XML-выгрузки эффективно сжимаются BZIP2.
• Архивы сообщений - почтовые архивы mbox, конференции Usenet, форумы phpBB в виде дампов сохраняют исторический материал в tar.bz2.

Сохранение POSIX-метаданных

Поскольку TBZ2 строится на TAR, он наследует все его возможности по работе с атрибутами Unix-систем:

• Права доступа chmod - режимы файлов и каталогов сохраняются в восьмеричном виде в заголовках TAR-записей.
• Владельцы UID/GID - идентификаторы пользователя и группы с именами пишутся в каждый заголовок.
• Временные метки - mtime в каждой записи, опциональные atime и ctime через PAX-расширение.
• Симлинки и хардлинки - сохраняются как ссылки на целевой путь без дублирования содержимого.
• Специальные файлы - блочные и символьные устройства, FIFO, сокеты пишутся как соответствующие типы записей.

Устойчивость к повреждениям

BZIP2 имеет уникальное свойство - блочную независимость. Каждый блок данных размером 100-900 КБ сжимается отдельно, со своим заголовком и контрольной суммой:

• Маркеры блоков - можно найти границы блоков по характерной сигнатуре, даже если индекс архива испорчен.
• Восстановление по частям - утилита bzip2recover извлекает уцелевшие блоки из повреждённого файла.
• Изолированные ошибки - повреждение одного блока не делает невозможным чтение остальных.
• Проверка CRC - каждый блок снабжён контрольной суммой, позволяющей детектировать ошибки точечно.

Для архивов длительного хранения, где риск битовой деградации не нулевой, эта особенность ценна.

Лучше gzip там, где скорость распаковки не критична

TBZ2 занимает промежуточное положение между быстрым TGZ и медленным TXZ:

• Текстовые данные сжимает на 15-30% лучше gzip.
• Распаковывается медленнее gzip, но быстрее xz при аналогичной степени сжатия.
• Хорошо сбалансирован для исследовательских и научных архивов.
• Не требует значительных ресурсов - работает на 7 МБ оперативной памяти.

Процесс конвертации: что происходит с архивом

Этапы преобразования

1. Чтение 7Z и декомпрессия LZMA2 - содержимое архива извлекается в исходные файлы. Для солид-архивов распаковывается весь блок целиком.

2. Восстановление файлового дерева - имена, пути, права, владельцы, временные метки восстанавливаются в иерархию каталогов.

3. Формирование TAR-потока - каждый файл предваряется 512-байтным заголовком с метаданными, после которого следует содержимое, выровненное по 512 байт.

4. Применение RLE - в TAR-потоке кодируются длинные последовательности одинаковых байт.

5. Преобразование Барроуза-Уилера - блоки до 900 КБ переупорядочиваются так, чтобы похожие символы оказались рядом.

6. MTF-кодирование - переупорядоченный блок проходит через Move-To-Front: каждый символ заменяется на позицию в текущем списке, и список обновляется.

7. Кодирование Хаффмана - финальная компрессия с динамическими таблицами, оптимизированными для каждого блока.

8. Запись в файл - блоки последовательно записываются в выходной файл с расширением .tar.bz2 или .tbz2.

Что сохраняется, а что меняется

Сохраняется:

• Имена файлов и каталогов с полными путями
• Содержимое всех файлов (байт в байт)
• Структура каталогов любой глубины
• Временные метки модификации
• Права доступа, владельцы, группы

Меняется:

• Алгоритм сжатия (LZMA2 заменяется на BWT + MTF + Хаффман)
• Контейнер (с собственного 7Z на TAR)
• Размер архива (обычно немного крупнее 7Z, но компактнее gzip)
• Скорость распаковки (медленнее, чем у 7Z и gzip)

Не переносится:

• Шифрование (BZIP2 в стандарте его не имеет)
• Сплошной режим сжатия (BZIP2 работает блоками)
• CRC-64 заменяется на CRC-32 на блок

Сравнение TBZ2 с другими форматами

TBZ2 против TGZ

TBZ2 предпочтительнее, когда важно сжатие, TGZ - когда нужна скорость.

TBZ2 против TXZ

TXZ постепенно вытесняет TBZ2 в современных Linux-репозиториях, но TBZ2 остаётся актуальным для совместимости с устаревшими системами.

TBZ2 против ZIP

ZIP лучше для совместимости с Windows, TBZ2 - для Unix-задач.

Совместимость и поддержка TBZ2

Операционные системы

TBZ2 (TAR.BZ2) поддерживается всеми массовыми Unix-системами:

• Linux - утилиты tar и bzip2 входят в стандартный набор любого дистрибутива. Команда tar xjf archive.tar.bz2 распаковывает архив одним вызовом.
• macOS - bsdtar в системе обрабатывает TBZ2 без дополнительных установок.
• FreeBSD, OpenBSD, NetBSD - поддержка через tar и bunzip2 встроена в базовые установки.
• Windows - современные архиваторы 7-Zip, WinRAR, PeaZip открывают TBZ2 без проблем. С Windows 10 1803 системная команда tar тоже понимает bzip2.
• Android и iOS - сторонние файловые менеджеры с поддержкой архивов справляются с TBZ2.

История и развитие BZIP2

Алгоритм BZIP2 имеет интересную историю:

• 1996 - Джулиан Сьюард выпускает BZIP, основанный на арифметическом кодировании, но из-за патентных споров формат был быстро заменён.
• 2000 - публикация BZIP2 с заменой арифметического кодирования на Хаффмана. Свободная лицензия и открытая спецификация обеспечили быстрое распространение.
• 2000-е - BZIP2 становится де-факто стандартом для тарболов исходного кода в Unix-сообществе.
• 2010-е - появление XZ Utils с алгоритмом LZMA2 постепенно перехватывает нишу, но BZIP2 остаётся в активном использовании.
• Современность - BZIP2 поддерживается всеми Unix-инструментами и продолжает применяться в проектах, начавшихся в эпоху его расцвета.

Языки программирования

Поддержка BZIP2 встроена в стандартные библиотеки:

Ограничения и альтернативы

Когда TBZ2 не оптимален

• Большие частые изменения - медленное сжатие BZIP2 делает его неудобным для непрерывного резервного копирования.
• Архивы с уже сжатыми данными - для коллекций фото, видео, аудио выигрыш по сравнению с TAR минимален.
• Современные дистрибутивы Linux - многие проекты перешли на TXZ или ZSTD из-за лучшего сжатия и скорости.

Альтернативные сценарии

• 7Z в TXZ - максимальное сжатие LZMA2 в Unix-обёртке, лучше TBZ2 на 10-30%.
• 7Z в TGZ - универсальный быстрый формат, удобен для оперативной работы.
• 7Z в TAR - чистый контейнер без сжатия для дальнейшей обработки.
• 7Z в ZIP - для отправки получателям с Windows-системой.

Конвертация в TBZ2 обоснована, когда требуется проверенный временем Unix-формат с сильным сжатием для текстовых данных и хорошей совместимостью с системами 2000-х и 2010-х годов.