壓縮軟體之比較

因為之前家裏File Server曾經因為PCI硬碟擴充卡出現問題，250G和80G硬碟的資料全毀，當時所有的卡通MP3和APE無失真音樂全數陣亡，讓我當場傻掉。
也因為這樣，我在之前文章提過了，在去年啟動了RAID計畫，把File Server電腦更新，從K7-度龍800升級到Core 2 Due電腦。
不過RAID仍舊會有資料損毀的可能，RAID雖然能保證壞一顆硬碟時受到保障，但如果同樣遇到PCI硬碟擴充卡出現問題，又或者IDE RAID上，同條排線的IDE硬碟有問題，都有可能造成RAID停止、資料損毀，甚至於說，RAID本身設定比較複雜，當出現問題時的問題排除步驟錯誤，也很有機會讓RAID掛掉(我在Lab的機器上就發生過)。

最保險的方式，莫過於把資料備份，用燒錄機燒成光碟片，只要光碟片品質好些、不亂丟、不刮傷、不發瘋拿去曬太陽殺菌，原則上來說還算是可以接受的備份方案，最重要的是，和其他備份方式相比，燒光碟成本是最低的。

把資料備份，我習慣上會先壓縮，尤其是MP3、APE這類檔案，因為光碟片本身會有編碼的問題，再加上經過壓縮打包，在解壓縮時我可以判斷檔案是否正常沒有損壞，所以我認為壓縮後燒錄事比較好的辦法。

當要燒錄，就牽涉到壓縮軟體的選用了，經過了一番挑選，我選擇了rar來使用，下面是我這次的挑選過程判斷。

常見的壓縮軟體包括：
zip、rar、7-zip、gzip、bzip2

這次對壓縮的需求有兩項：
1. 要支援分片壓縮，分片壓縮中最重要的一點，分片壓縮的壓縮檔要能獨立解壓縮
2. 要能正常的對中文、簡體中文、日文...等進行壓縮、解壓縮(也就是要支援Unicode)

經過了比較之後，我最後使用rar。

首先我先解釋一下需求，尤其是第1點，什麼叫做分片壓縮的壓縮檔要能獨立解壓縮？
因為我要燒到光碟上，分片壓縮是必要的，雖然光碟片理論上可以放很久，但是大家都知道，實際上光碟片放一放就不能讀的機會其實很高，這也是一片3元和一片12元片子的主要差異～可靠度。
而光碟片除了可能會不能讀之外，也可能因為刮傷等原因出現壞軌，這就會造成某個檔案讀取有問題。
因為媒體的可靠度不是百分之百可靠，因此分片壓縮的壓縮檔，必需要能獨立的解壓縮，這樣一來，就算檔案有損毀，也不會造成資料全毀，頂多是幾首MP3，幾張專輯毀壞罷了。

第2點相信不用多說了，MP3、APE這些音樂檔，各種語言都有，日文、中文、簡體中文都很常見，連韓文、俄文都出現過，不支援多國編碼(Unicode)的壓縮軟體，遇到日文、韓文就掛了，更不要說備份了。

而目前這幾種壓縮檔格式中，唯一全部符合的，就只有rar了。

zip是目前非常常見的壓縮檔格式，不但是使用最廣，也是支援最好，API最齊全的壓縮格式。
很不幸的，zip的歷史因素，造成了zip不支援Unicode的缺憾，正確的說法是，目前大多數的壓縮軟體，對zip的壓縮、解壓縮都不支援Unicode，這包括了WinRAR、WinZip、7-Zip...等。
因此很不幸的，zip落選了，儘管如此，但是因為zip有大量的API支援，目前我嘗試在寫的備份程式，還在試著用zip來達成需求。

rar對於多國語系竟然意外的好，這點和網路上許多WinRAR解簡體壓縮檔的經驗差異很大，事實上，rar壓縮、解壓縮各式語系的檔案，都能夠正常的操作。
而rar對於分片壓縮，也有很獨到的設計，除了rar分片壓縮出來的檔案能夠分片解壓縮外，rar的分片壓縮甚至有類似RAID的能力，能夠多產生幾個壓縮檔，容許幾個壓縮檔損毀，這功能並不常見。
不過rar也不是沒有缺點，他最大的問題在於，他是商業軟體，因此要花錢買，而且它並沒有免費提供壓縮的API。

7-Zip我原本對它頗為看好，一方面他的壓縮比可以很高，又是OpenSource的軟體，我一向對商業軟體有些感冒，而且在軟體介紹中有提到他支援分片壓縮，這讓我很興奮，結果感覺像是騙人的。
7-Zip的優點很多，壓縮比高於RAR等壓縮軟體是他的最大特色，加上他是OpenSource，對於Linux平台支援性很好，在各個平台都支援multi-thread，讓7-Zip在Linux上能夠最大程度的使用到多處理器的能力。
7-Zip對多國語系(Unicode)支援也非常好，預設就是UTF-8，因此基本上沒有檔名亂碼的問題，整體評價來說，僅次於RAR。
但是7-Zip的分片壓縮非常鳥，感覺很敷衍，7-Zip的分片壓縮其實只是簡單的檔案分割，動作流程如下：
1. 按照正常程序把一堆檔案壓縮
2. 壓縮完成之後產生 xxx.7z
3. 把 xxx.7z 開始分割，分割成 xxx.7z.000, xxx.7z.001...等

這有3個很大的缺點：
1. 要分片壓縮，它需要先壓縮，再分割檔案，這表示它的動作過程需要消耗 2倍 的硬碟空間，這在小檔案問題不大，但是當資料大到好幾G，甚至像我這樣好幾十G時，問題就很嚴重了，沒這麼多硬碟空間給它緩衝。
2. 它的每個分片壓縮檔都只是檔案分割，因此要解壓縮前，必需要先合併檔案，把分片壓縮檔還原，之後才能解壓縮，這意味著跟上面同樣的問題，解壓縮時同樣需要消耗 2倍 的硬碟空間。
3. 它必需要先合併分片壓縮檔之後才能解壓縮，這表示只要任何一個檔案損毀，整個資料就報銷了，你無法單獨把某個檔案找出來解壓縮。

此外，7-Zip還有個缺點，它提供的API非常差，尤其是Java的，基本上只有演算法的實作，還不到能用的程度。

至於gzip和bzip2，它的壓縮檔無法事後「加入」，只能夠一次壓縮完，這點問題不大～
gzip和bzip2的主要問題其實也是分片壓縮，它的分片壓縮和7-Zip一樣，都是檔案分割，會面臨同樣的問題，檔案編碼部份我則沒有注意。