Arhiver sa dvostruko boljom kompresijom nego kod Zipa?!?

Današnje mogućnosti za skladištenje podataka na računaru su mnogo bolje nego pre samo nekoliko godina (veći kapaciteti diskova i memorije, DVD-ovi i slično), ali potreba za prostorom nikad nije bila veća. Zato kompresija fajlova i dalje igra veoma važnu ulogu u svetu računara. Neko će reći da i arhiveri poput ZIP-a ili RAR-a koje svi koristimo zadovoljavaju potrebe i da nam samo treba što brži računar da bi kompresija, koja je po pravilu zahtevan proces, bila što bezbolnija. Međutim, ako bismo vam rekli da postoji magični kompresor koji može da smesti dva puta više podataka od popularnog ZIP-a i tako vam uštedi svaki drugi CD ili DVD, da li biste onda promenili mišljenje? Istina, danas su računari daleko brži pa se i arhive na koje je nekad trebalo dosta čekati da bi se raspakovale sada otvaraju u tren oka, ali su i apetiti porasli.

Svi kompresori fajlova tj. arhiveri zasnivaju se na pronalaženju nekog obrasca (patterna) koji se ponavlja u datom nizu brojeva i njegovoj zameni simbolom ili nekim kraćim nizom brojeva, praveći na taj način uštedu u veličini fajla. Prve korake u tome načinio je prof. David Huffman (1925–1999) koji je još davne 1952. godine napravio prvi algoritam za kompresiju bez gubitaka (lossless encoding). On se zasnivao na zameni najfrekventnijeg niza simbola (brojeva) na najkraći mogući način. Na primer, u nizu slova ’ABRAKADABRA’, slovo ’A” se pojavljuje najčešće i ono se može zameniti brojem ’1’. Kako se umesto karaktera koji zauzima 8 bita stavlja broj koji zauzima jedan bit, pojavljuje se ušteda koja na kraju rezultira i kraćim fajlom. Ovde je mana bilo to što se u taj fajl morala uvrstiti i tablica simbola (šifra) da bi sa fajl mogao raspakovati, a to je povećavalo i njegovu dužinu pa se stvarna ušteda postizala tek kod većih fajlova.

Dugo se smatralo da ovaj algoritam predstavlja najjaču moguću kompresiju (obično je to iznosilo 20–40%), ali su se kasnije pojavile razne modifikacije i drugačiji načini kompresije. Tako se 1977. godine pojavio LZ, pa onda i nešto izmenjeni LZW (Lempel-Ziv-Welch) algoritam kojem nije bila potrebna dodatna tablica jer je šifre za dekodiranje sadržao u samom nizu kodiranih brojeva (tzv. dictionary coding), pa je samim tim postizao i bolju kompresiju. Ovaj algoritam se i danas u svojim raznim modifikacijama koristi u skoro svim poznatim arhiverima kao što su ZIP, RAR, ACE i drugi.

Nakon toga su se pojavljivale i razne njegove varijante, ali u stepenu kompresije nije bilo nekog revolucionarnog pomaka do pre nekoliko godina kada su računari postali dovoljno moćni za „jače” algoritme. Tako je na bazi Informacione teorije o prenosu i skladištenju podatakakoju je osmislio Claude Shannon razvijena tzv. entropijska kompresija (entropy coding) koja danas postiže i najjaču kompresiju. Ovaj sistem kompresije se zasniva na proračunu entropije (oni koji se razumeju u termodinamiku znaće o čemu se radi), to jest koristi teoriju verovatnoće za predviđanje pojavljivanja određenog simbola u datom nizu.

Postoji nekoliko podvrsta ove metode kao npr. Range kodiranje, aritmetičko kodiranje ili Huffmanovo kodiranje (koje je, kako se ispostavilo, samo specijalan slučaj aritmetičkog kodiranja). S obzirom na to da se ovde ulazni simboli predstavljaju brojevima koji se dobijaju obimnim matematičkim proračunima sa pokretnim zarezom, ceo proces je za današnje računare dosta spor i zahtevan. Proces aritmetičkog kodiranja u velikoj meri zavisi od pronalaženja ispravnog modela po kojem se pojavljuju određeni simboli. Što je model precizniji i rezultat će biti bolji. Međutim, model svakako ne može biti isti za različite vrste fajlova pa se kao logičan naslednik razvio sistem kombinacije različitih modela (context mixing), kao i korišćenje rečnika kojim se postižu još bolji rezultati. Zato je, da bi se ispitale sve kombinacije, pored jakog procesora potrebno i dosta memorije, što zadatak kompresije čini još težim.

WinRK poseduje nekoliko različitih modula/algoritama za kompresiju. To su redom od najslabijeg ka najjačem ROLZ2, ROLZ3, FPW i PWCM. ROLZ (Reduced Offset set Lempel-Ziv) jeste unapređeni LZ algoritam koji daje bolju kompresiju uz neznatni gubitak u brzini. Koristan je kada treba nešto brzo zapakovati uz pristojan stepen kompresije. FPW (Fast PAQ Weighting) jesu algoritmi (ima ih ukupno četiri) koji koriste kombinaciju ROLZ i PWCM i predstavljaju kompromis između brzine i stepena kompresije i, najzad, tu je PWCM (PAQ weighted context mixing) koji je baziran na trenutno najjačem algoritmu današnjice, PAQ, i postiže najbolju kompresiju, ali uz ogromnu potrošnju vremena i memorije.

Od izabranog metoda kompresije zavisi naravno i stepen kompresije odnosno brzina. Takođe, svaki metod ima podešavanja kao što su dubina analize, dodeljena memorija, upotreba rečnika i sl. koja dodatno utiču na rezultat. Kao što smo napomenuli, najbolji rezultati se postižu PWCM kompresijom, ali ako stvarno želite maksimalnu kompresiju, budite spremni da na rezultat čekate i nekoliko sati, a biće vam potrebno i nekoliko gigabajta slobodne memorije. U priloženoj tablici možete videti uporedna vremena i stepen kompresije za neke od metoda, uz napomenu da se mogu postići i bolji rezultati, ali smo pri testiranju iz praktičnih razloga ograničili memoriju na 256 MB jer bi u suprotnom testiranje jako dugo trajalo. Osim ovih, WinRK ima i druge standardne module za kompresiju (zip, gzip i bzip2), a pomoću plug-inova može da otvara i druge arhive poput RAR-a, ACE-a itd. Radi lakšeg snalaženja, mogu se napraviti i sopstveni profili za kompresiju sa podešenim parametrima, tako da možete arhiver prilagoditi svojim mogućnostima i potrebama.

Sam interfejs je vrlo jednostavan i sličan je većini drugih arhivera. Levo je direktorijum sa fajlovima, a desno su informacije o arhivi, kao i njen sadržaj. Poput drugih modernih arhivera, može da se integriše u sistem putem kontekstnih menija, a za svaku opciju je moguće napraviti skript sa spiskom komandi što olakšava automatizaciju celog procesa. Takođe, podržane su i SFX (samoraspakujuće arhive), kao i deljene arhive, a za zaštitu podataka postoje tri vrste enkripcije. Vrlo korisna opcija je i SMP (multi threading) koja ubrzava proces kompresije na višeprocesorskim sistemima, a naročito sada postaje interesantna jer se u poslednje vreme pojavljuju dostupni dvojezgarski procesori (ubrzanje se kreće i do 80% na sistemima sa dva procesora).

Trenutno, kako autori na svom sajtu ističu, WinRK predstavlja ’State of the art’ tehnologije kompresije i jedan od najjačih arhivera koji postoje na tržištu (jedino je novi PAQ8H jači u nekim slučajevima). Program je još u test fazi, što znači da su mogući neki bagovi, mada mi nismo primetili neke bitne nedostatke u radu. Takođe, pošto se program još razvija, moguće su i nekompatibilnosti arhive sa starijim verzijama programa.

U svakom slučaju, generalno se može reći da su savremeni arhiveri dosta poboljšali stepen kompresije (u nekim slučajevima i do dva-tri puta), ali su takođe povećali i vreme potrebno za dobijanje tih rezultata. Isto tako su pomereni i hardverski zahtevi pa je sada potrebno još više memorije i brži procesori. Najveća mana ovog principa je to što i raspakivanje arhiva mnogo traje, a da li se to isplati, zavisi od toga koliko vam je maksimalna kompresija zaista neophodna. Verovatno će se jednog dana, kada se pojave kvantni kompjuteri, ove operacije obavljati za tren oka, a do tada će WinRK ostati upamćen kao šampion svoga vremena.

Dejan STEPANOVIĆ