ಹಾರ್ಡ್ ಡಿಸ್ಕ್ ಜಾಗವನ್ನು ಉಳಿಸುವ ವಿಚಿತ್ರ ವಿಧಾನದ ಬಗ್ಗೆ

ಇನ್ನೊಬ್ಬ ಬಳಕೆದಾರರು ಹಾರ್ಡ್ ಡ್ರೈವ್‌ಗೆ ಹೊಸ ಡೇಟಾವನ್ನು ಬರೆಯಲು ಬಯಸುತ್ತಾರೆ, ಆದರೆ ಇದನ್ನು ಮಾಡಲು ಅವರಿಗೆ ಸಾಕಷ್ಟು ಉಚಿತ ಸ್ಥಳವಿಲ್ಲ. ನಾನು ಏನನ್ನೂ ಅಳಿಸಲು ಬಯಸುವುದಿಲ್ಲ, ಏಕೆಂದರೆ "ಎಲ್ಲವೂ ಬಹಳ ಮುಖ್ಯ ಮತ್ತು ಅವಶ್ಯಕವಾಗಿದೆ." ಮತ್ತು ನಾವು ಅದನ್ನು ಏನು ಮಾಡಬೇಕು?

ಯಾರಿಗೂ ಈ ಸಮಸ್ಯೆ ಇಲ್ಲ. ನಮ್ಮ ಹಾರ್ಡ್ ಡ್ರೈವ್‌ಗಳಲ್ಲಿ ಟೆರಾಬೈಟ್‌ಗಳಷ್ಟು ಮಾಹಿತಿಯಿದೆ ಮತ್ತು ಈ ಪ್ರಮಾಣವು ಕಡಿಮೆಯಾಗುವುದಿಲ್ಲ. ಆದರೆ ಅದು ಎಷ್ಟು ವಿಶಿಷ್ಟವಾಗಿದೆ? ಕೊನೆಯಲ್ಲಿ, ಎಲ್ಲಾ ಫೈಲ್‌ಗಳು ನಿರ್ದಿಷ್ಟ ಉದ್ದದ ಬಿಟ್‌ಗಳ ಸೆಟ್‌ಗಳಾಗಿವೆ ಮತ್ತು ಹೆಚ್ಚಾಗಿ, ಹೊಸದು ಈಗಾಗಲೇ ಸಂಗ್ರಹವಾಗಿರುವ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಭಿನ್ನವಾಗಿರುವುದಿಲ್ಲ.

ಹಾರ್ಡ್ ಡ್ರೈವಿನಲ್ಲಿ ಈಗಾಗಲೇ ಸಂಗ್ರಹವಾಗಿರುವ ಮಾಹಿತಿಯ ತುಣುಕುಗಳನ್ನು ಹುಡುಕುವುದು ವಿಫಲವಾದರೆ, ಕನಿಷ್ಠ ಪರಿಣಾಮಕಾರಿ ಕಾರ್ಯವಲ್ಲ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ. ಮತ್ತೊಂದೆಡೆ, ವ್ಯತ್ಯಾಸವು ಚಿಕ್ಕದಾಗಿದ್ದರೆ, ನೀವು ಅದನ್ನು ಸ್ವಲ್ಪ ಸರಿಹೊಂದಿಸಬಹುದು ...

TL;DR - JPEG ಫೈಲ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಡೇಟಾವನ್ನು ಉತ್ತಮಗೊಳಿಸುವ ವಿಚಿತ್ರ ವಿಧಾನದ ಬಗ್ಗೆ ಮಾತನಾಡಲು ಎರಡನೇ ಪ್ರಯತ್ನ, ಈಗ ಹೆಚ್ಚು ಅರ್ಥವಾಗುವ ರೂಪದಲ್ಲಿ.

ಬಿಟ್ಗಳು ಮತ್ತು ವ್ಯತ್ಯಾಸದ ಬಗ್ಗೆ

ನೀವು ಎರಡು ಸಂಪೂರ್ಣ ಯಾದೃಚ್ಛಿಕ ಡೇಟಾವನ್ನು ತೆಗೆದುಕೊಂಡರೆ, ಸರಾಸರಿ ಅರ್ಧದಷ್ಟು ಬಿಟ್‌ಗಳು ಹೊಂದಿಕೆಯಾಗುತ್ತವೆ. ವಾಸ್ತವವಾಗಿ, ಪ್ರತಿ ಜೋಡಿಗೆ ('00, 01, 10, 11′) ಸಂಭವನೀಯ ವಿನ್ಯಾಸಗಳಲ್ಲಿ, ನಿಖರವಾಗಿ ಅರ್ಧದಷ್ಟು ಒಂದೇ ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಿದೆ, ಎಲ್ಲವೂ ಇಲ್ಲಿ ಸರಳವಾಗಿದೆ.

ಆದರೆ ಸಹಜವಾಗಿ, ನಾವು ಕೇವಲ ಎರಡು ಫೈಲ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಂಡು ಒಂದನ್ನು ಎರಡನೆಯದಕ್ಕೆ ಹೊಂದಿಸಿದರೆ, ನಾವು ಅವುಗಳಲ್ಲಿ ಒಂದನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತೇವೆ. ನಾವು ಬದಲಾವಣೆಗಳನ್ನು ಉಳಿಸಿದರೆ, ನಾವು ಸರಳವಾಗಿ ಮರುಶೋಧಿಸುತ್ತೇವೆ ಡೆಲ್ಟಾ ಎನ್ಕೋಡಿಂಗ್, ಇದು ನಮ್ಮಿಲ್ಲದೆ ಸಂಪೂರ್ಣವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ, ಆದರೂ ಇದನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಅದೇ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಬಳಸಲಾಗುವುದಿಲ್ಲ. ನಾವು ಚಿಕ್ಕದಾದ ಅನುಕ್ರಮವನ್ನು ದೊಡ್ಡದಕ್ಕೆ ಎಂಬೆಡ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸಬಹುದು, ಆದರೆ ನಾವು ಎಲ್ಲವನ್ನೂ ಅಜಾಗರೂಕತೆಯಿಂದ ಬಳಸಿದರೆ ಡೇಟಾದ ನಿರ್ಣಾಯಕ ವಿಭಾಗಗಳನ್ನು ಕಳೆದುಕೊಳ್ಳುವ ಅಪಾಯವಿದೆ.

ಏನು ಮತ್ತು ಯಾವುದರ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ತೆಗೆದುಹಾಕಬಹುದು? ಸರಿ, ಅಂದರೆ, ಬಳಕೆದಾರರು ಬರೆದ ಹೊಸ ಫೈಲ್ ಕೇವಲ ಬಿಟ್‌ಗಳ ಅನುಕ್ರಮವಾಗಿದೆ, ಅದರೊಂದಿಗೆ ನಾವು ಸ್ವತಃ ಏನನ್ನೂ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ. ನಂತರ ನೀವು ಹಾರ್ಡ್ ಡ್ರೈವ್‌ನಲ್ಲಿ ಅಂತಹ ಬಿಟ್‌ಗಳನ್ನು ಕಂಡುಹಿಡಿಯಬೇಕು, ವ್ಯತ್ಯಾಸವನ್ನು ಸಂಗ್ರಹಿಸದೆಯೇ ಅವುಗಳನ್ನು ಬದಲಾಯಿಸಬಹುದು, ಇದರಿಂದ ನೀವು ಗಂಭೀರ ಪರಿಣಾಮಗಳಿಲ್ಲದೆ ಅವರ ನಷ್ಟವನ್ನು ಬದುಕಬಹುದು. ಮತ್ತು FS ನಲ್ಲಿಯೇ ಫೈಲ್ ಅನ್ನು ಬದಲಾಯಿಸಲು ಇದು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ, ಆದರೆ ಅದರೊಳಗಿನ ಕೆಲವು ಕಡಿಮೆ ಸೂಕ್ಷ್ಮ ಮಾಹಿತಿಯನ್ನು. ಆದರೆ ಯಾವುದು ಮತ್ತು ಹೇಗೆ?

ಅಳವಡಿಸುವ ವಿಧಾನಗಳು

ನಷ್ಟದ ಸಂಕುಚಿತ ಫೈಲ್ಗಳು ಪಾರುಗಾಣಿಕಾಕ್ಕೆ ಬರುತ್ತವೆ. ಈ ಎಲ್ಲಾ jpegs, mp3s ಮತ್ತು ಇತರವುಗಳು, ನಷ್ಟದ ಸಂಕೋಚನವಾಗಿದ್ದರೂ, ಸುರಕ್ಷಿತವಾಗಿ ಬದಲಾಯಿಸಬಹುದಾದ ಬಿಟ್‌ಗಳ ಗುಂಪನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಎನ್‌ಕೋಡಿಂಗ್‌ನ ವಿವಿಧ ಹಂತಗಳಲ್ಲಿ ಅವುಗಳ ಘಟಕಗಳನ್ನು ಅಗ್ರಾಹ್ಯವಾಗಿ ಮಾರ್ಪಡಿಸುವ ಸುಧಾರಿತ ತಂತ್ರಗಳನ್ನು ಬಳಸಲು ಸಾಧ್ಯವಿದೆ. ನಿರೀಕ್ಷಿಸಿ. ಸುಧಾರಿತ ತಂತ್ರಗಳು... ಅಗ್ರಾಹ್ಯವಾದ ಮಾರ್ಪಾಡು... ಒಂದರೊಳಗೆ ಒಂದು ಬಿಟ್... ಇದು ಬಹುತೇಕ ಹಾಗೆ ಸ್ಟೆಗಾನೋಗ್ರಫಿ!

ವಾಸ್ತವವಾಗಿ, ಒಂದು ಮಾಹಿತಿಯನ್ನು ಇನ್ನೊಂದಕ್ಕೆ ಎಂಬೆಡ್ ಮಾಡುವುದು ಅವಳ ವಿಧಾನಗಳನ್ನು ನೆನಪಿಸುತ್ತದೆ. ಮಾನವ ಇಂದ್ರಿಯಗಳಿಗೆ ಮಾಡಿದ ಬದಲಾವಣೆಗಳ ಅಗ್ರಾಹ್ಯತೆಯಿಂದ ನಾನು ಪ್ರಭಾವಿತನಾಗಿದ್ದೇನೆ. ಮಾರ್ಗಗಳು ಎಲ್ಲಿ ಬೇರೆಯಾಗುತ್ತವೆ ಎಂಬುದು ಗೌಪ್ಯವಾಗಿರುತ್ತದೆ: ನಮ್ಮ ಕಾರ್ಯವು ಬಳಕೆದಾರರಿಗೆ ತನ್ನ ಹಾರ್ಡ್ ಡ್ರೈವ್‌ನಲ್ಲಿ ಹೆಚ್ಚುವರಿ ಮಾಹಿತಿಯನ್ನು ನಮೂದಿಸಲು ಬರುತ್ತದೆ; ಅದು ಅವನಿಗೆ ಮಾತ್ರ ಹಾನಿ ಮಾಡುತ್ತದೆ. ಅವನು ಮತ್ತೆ ಮರೆತುಬಿಡುತ್ತಾನೆ.

ಆದ್ದರಿಂದ, ನಾವು ಅವುಗಳನ್ನು ಬಳಸಬಹುದಾದರೂ, ನಾವು ಕೆಲವು ಮಾರ್ಪಾಡುಗಳನ್ನು ಮಾಡಬೇಕಾಗಿದೆ. ತದನಂತರ ನಾನು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವಿಧಾನಗಳಲ್ಲಿ ಒಂದನ್ನು ಮತ್ತು ಸಾಮಾನ್ಯ ಫೈಲ್ ಫಾರ್ಮ್ಯಾಟ್ನ ಉದಾಹರಣೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಅವರಿಗೆ ಹೇಳುತ್ತೇನೆ ಮತ್ತು ತೋರಿಸುತ್ತೇನೆ.

ನರಿಗಳ ಬಗ್ಗೆ

ನೀವು ಅದನ್ನು ನಿಜವಾಗಿಯೂ ಸ್ಕ್ವೀಝ್ ಮಾಡಿದರೆ, ಇದು ವಿಶ್ವದ ಅತ್ಯಂತ ಸಂಕುಚಿತ ವಿಷಯವಾಗಿದೆ. ನಾವು ಸಹಜವಾಗಿ, JPEG ಫೈಲ್‌ಗಳ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಿದ್ದೇವೆ. ಅದರಲ್ಲಿ ಡೇಟಾವನ್ನು ಎಂಬೆಡ್ ಮಾಡಲು ಟನ್‌ಗಳಷ್ಟು ಉಪಕರಣಗಳು ಮತ್ತು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವಿಧಾನಗಳು ಮಾತ್ರವಲ್ಲದೆ, ಇದು ಈ ಗ್ರಹದಲ್ಲಿ ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಗ್ರಾಫಿಕ್ಸ್ ಸ್ವರೂಪವಾಗಿದೆ.

ಆದಾಗ್ಯೂ, ನಾಯಿ ಸಂತಾನೋತ್ಪತ್ತಿಯಲ್ಲಿ ತೊಡಗಿಸದಿರಲು, ಈ ಸ್ವರೂಪದ ಫೈಲ್‌ಗಳಲ್ಲಿ ನಿಮ್ಮ ಚಟುವಟಿಕೆಯ ಕ್ಷೇತ್ರವನ್ನು ನೀವು ಮಿತಿಗೊಳಿಸಬೇಕಾಗುತ್ತದೆ. ಅತಿಯಾದ ಸಂಕೋಚನದಿಂದಾಗಿ ಕಾಣಿಸಿಕೊಳ್ಳುವ ಏಕವರ್ಣದ ಚೌಕಗಳನ್ನು ಯಾರೂ ಇಷ್ಟಪಡುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ನೀವು ಈಗಾಗಲೇ ಸಂಕುಚಿತ ಫೈಲ್‌ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ನಿಮ್ಮನ್ನು ಮಿತಿಗೊಳಿಸಿಕೊಳ್ಳಬೇಕು, ಮರುಕೋಡಿಂಗ್ ತಪ್ಪಿಸುವುದು. ಹೆಚ್ಚು ನಿರ್ದಿಷ್ಟವಾಗಿ, ಪೂರ್ಣಾಂಕ ಗುಣಾಂಕಗಳೊಂದಿಗೆ, ಡೇಟಾ ನಷ್ಟಕ್ಕೆ ಜವಾಬ್ದಾರರಾಗಿರುವ ಕಾರ್ಯಾಚರಣೆಗಳ ನಂತರ ಉಳಿಯುತ್ತದೆ - ಡಿಸಿಟಿ ಮತ್ತು ಕ್ವಾಂಟೈಸೇಶನ್, ಇದು ಎನ್ಕೋಡಿಂಗ್ ಸ್ಕೀಮ್ನಲ್ಲಿ ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರದರ್ಶಿಸಲ್ಪಡುತ್ತದೆ (ಬೌಮನ್ ನ್ಯಾಷನಲ್ ಲೈಬ್ರರಿಯ ವಿಕಿಗೆ ಧನ್ಯವಾದಗಳು):

jpeg ಫೈಲ್‌ಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಹಲವು ವಿಧಾನಗಳಿವೆ. ನಷ್ಟವಿಲ್ಲದ ಆಪ್ಟಿಮೈಸೇಶನ್ ಇದೆ (jpegtran), ಆಪ್ಟಿಮೈಸೇಶನ್ ಇದೆ "ನಷ್ಟವಿಲ್ಲ", ಇದು ವಾಸ್ತವವಾಗಿ ಬೇರೆ ಯಾವುದನ್ನಾದರೂ ಕೊಡುಗೆ ನೀಡುತ್ತದೆ, ಆದರೆ ನಾವು ಅವರ ಬಗ್ಗೆ ಕಾಳಜಿ ವಹಿಸುವುದಿಲ್ಲ. ಎಲ್ಲಾ ನಂತರ, ಉಚಿತ ಡಿಸ್ಕ್ ಜಾಗವನ್ನು ಹೆಚ್ಚಿಸಲು ಬಳಕೆದಾರರು ಒಂದು ಮಾಹಿತಿಯನ್ನು ಇನ್ನೊಂದಕ್ಕೆ ಎಂಬೆಡ್ ಮಾಡಲು ಸಿದ್ಧರಾಗಿದ್ದರೆ, ಅವರು ತಮ್ಮ ಚಿತ್ರಗಳನ್ನು ಬಹಳ ಹಿಂದೆಯೇ ಆಪ್ಟಿಮೈಸ್ ಮಾಡಿದ್ದಾರೆ ಅಥವಾ ಗುಣಮಟ್ಟದ ನಷ್ಟದ ಭಯದಿಂದ ಇದನ್ನು ಮಾಡಲು ಬಯಸುವುದಿಲ್ಲ.

F5

ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಸಂಪೂರ್ಣ ಕುಟುಂಬವು ಈ ಪರಿಸ್ಥಿತಿಗಳಿಗೆ ಸರಿಹೊಂದುತ್ತದೆ, ಅದನ್ನು ನೀವೇ ಪರಿಚಿತರಾಗಬಹುದು ಈ ಉತ್ತಮ ಪ್ರಸ್ತುತಿಯಲ್ಲಿ. ಅವುಗಳಲ್ಲಿ ಅತ್ಯಂತ ಸುಧಾರಿತ ಅಲ್ಗಾರಿದಮ್ ಆಗಿದೆ F5 ಆಂಡ್ರಿಯಾಸ್ ವೆಸ್ಟ್‌ಫೆಲ್ಡ್ ಅವರಿಂದ, ಹೊಳಪಿನ ಅಂಶದ ಗುಣಾಂಕಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ, ಏಕೆಂದರೆ ಮಾನವನ ಕಣ್ಣು ಅದರ ಬದಲಾವಣೆಗಳಿಗೆ ಕಡಿಮೆ ಸಂವೇದನಾಶೀಲವಾಗಿರುತ್ತದೆ. ಇದಲ್ಲದೆ, ಇದು ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಎನ್‌ಕೋಡಿಂಗ್ ಆಧಾರಿತ ಎಂಬೆಡಿಂಗ್ ತಂತ್ರವನ್ನು ಬಳಸುತ್ತದೆ, ಅದೇ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯನ್ನು ಎಂಬೆಡ್ ಮಾಡುವಾಗ ಕಡಿಮೆ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಾಗುವಂತೆ ಮಾಡುತ್ತದೆ, ಬಳಸಿದ ಧಾರಕದ ಗಾತ್ರವು ದೊಡ್ಡದಾಗಿರುತ್ತದೆ.

ಬದಲಾವಣೆಗಳು ಕೆಲವು ಷರತ್ತುಗಳ ಅಡಿಯಲ್ಲಿ ಗುಣಾಂಕಗಳ ಸಂಪೂರ್ಣ ಮೌಲ್ಯವನ್ನು ಒಂದರಿಂದ ಕಡಿಮೆ ಮಾಡಲು ಕುದಿಯುತ್ತವೆ (ಅಂದರೆ, ಯಾವಾಗಲೂ ಅಲ್ಲ), ಇದು ನಿಮ್ಮ ಹಾರ್ಡ್ ಡ್ರೈವಿನಲ್ಲಿ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು F5 ಅನ್ನು ಬಳಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. JPEG ಯಲ್ಲಿನ ಮೌಲ್ಯಗಳ ಅಂಕಿಅಂಶಗಳ ವಿತರಣೆಯಿಂದಾಗಿ ಹಫ್‌ಮನ್ ಎನ್‌ಕೋಡಿಂಗ್ ನಂತರ ಅಂತಹ ಬದಲಾವಣೆಯ ನಂತರ ಗುಣಾಂಕವು ಕಡಿಮೆ ಬಿಟ್‌ಗಳನ್ನು ಆಕ್ರಮಿಸುತ್ತದೆ ಮತ್ತು RLE ಬಳಸಿ ಅವುಗಳನ್ನು ಎನ್‌ಕೋಡಿಂಗ್ ಮಾಡುವಾಗ ಹೊಸ ಸೊನ್ನೆಗಳು ಲಾಭವನ್ನು ನೀಡುತ್ತದೆ.

ಅಗತ್ಯ ಮಾರ್ಪಾಡುಗಳು ಗೌಪ್ಯತೆಗೆ (ಪಾಸ್‌ವರ್ಡ್ ಮರುಜೋಡಣೆ) ಜವಾಬ್ದಾರಿಯುತ ಭಾಗವನ್ನು ತೆಗೆದುಹಾಕಲು ಕುದಿಯುತ್ತವೆ, ಇದು ಸಂಪನ್ಮೂಲಗಳು ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಒಂದು ಸಮಯದಲ್ಲಿ ಒಂದರ ಬದಲಿಗೆ ಅನೇಕ ಫೈಲ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಕಾರ್ಯವಿಧಾನವನ್ನು ಸೇರಿಸುತ್ತದೆ. ಓದುಗರು ಬದಲಾವಣೆಯ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಹೆಚ್ಚು ವಿವರವಾಗಿ ಆಸಕ್ತಿ ಹೊಂದಲು ಅಸಂಭವವಾಗಿದೆ, ಆದ್ದರಿಂದ ನಾವು ಅನುಷ್ಠಾನದ ವಿವರಣೆಗೆ ಹೋಗೋಣ.

ಹೈಟೆಕ್

ಈ ವಿಧಾನವು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಪ್ರದರ್ಶಿಸಲು, ನಾನು ವಿಧಾನವನ್ನು ಶುದ್ಧ C ಯಲ್ಲಿ ಅಳವಡಿಸಿದ್ದೇನೆ ಮತ್ತು ಮರಣದಂಡನೆಯ ವೇಗ ಮತ್ತು ಮೆಮೊರಿಯ ವಿಷಯದಲ್ಲಿ ಹಲವಾರು ಆಪ್ಟಿಮೈಸೇಶನ್‌ಗಳನ್ನು ಮಾಡಿದ್ದೇನೆ (ಡಿಸಿಟಿಗಿಂತ ಮುಂಚೆಯೇ ಈ ಚಿತ್ರಗಳು ಸಂಕೋಚನವಿಲ್ಲದೆ ಎಷ್ಟು ತೂಗುತ್ತದೆ ಎಂದು ನೀವು ಊಹಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ). ಲೈಬ್ರರಿಗಳ ಸಂಯೋಜನೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಕ್ರಾಸ್-ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಸಾಧಿಸಲಾಗಿದೆ libjpeg, pcre и ಟಿನಿಡಿರ್, ಇದಕ್ಕಾಗಿ ನಾವು ಅವರಿಗೆ ಧನ್ಯವಾದಗಳು. ಇದೆಲ್ಲವನ್ನೂ 'ಮಾಡು' ಮೂಲಕ ಒಟ್ಟುಗೂಡಿಸಲಾಗುತ್ತದೆ, ಆದ್ದರಿಂದ ವಿಂಡೋಸ್ ಬಳಕೆದಾರರು ಮೌಲ್ಯಮಾಪನಕ್ಕಾಗಿ ಕೆಲವು ಸಿಗ್ವಿನ್ ಅನ್ನು ಸ್ಥಾಪಿಸಲು ಬಯಸುತ್ತಾರೆ, ಅಥವಾ ವಿಷುಯಲ್ ಸ್ಟುಡಿಯೋ ಮತ್ತು ಲೈಬ್ರರಿಗಳೊಂದಿಗೆ ತಮ್ಮದೇ ಆದ ವ್ಯವಹರಿಸುತ್ತಾರೆ.

ಅನುಷ್ಠಾನವು ಕನ್ಸೋಲ್ ಉಪಯುಕ್ತತೆ ಮತ್ತು ಗ್ರಂಥಾಲಯದ ರೂಪದಲ್ಲಿ ಲಭ್ಯವಿದೆ. ಆಸಕ್ತರು ಗಿಥಬ್‌ನಲ್ಲಿನ ರೆಪೊಸಿಟರಿಯಲ್ಲಿ ರೀಡ್‌ಮೆಯಲ್ಲಿ ಎರಡನೆಯದನ್ನು ಬಳಸುವುದರ ಕುರಿತು ಇನ್ನಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಬಹುದು, ಪೋಸ್ಟ್‌ನ ಕೊನೆಯಲ್ಲಿ ನಾನು ಲಗತ್ತಿಸುವ ಲಿಂಕ್.

ಹೇಗೆ ಬಳಸುವುದು?

ಎಚ್ಚರಿಕೆಯಿಂದ. ಪ್ಯಾಕೇಜಿಂಗ್‌ಗಾಗಿ ಬಳಸಲಾದ ಚಿತ್ರಗಳನ್ನು ನೀಡಲಾದ ಮೂಲ ಡೈರೆಕ್ಟರಿಯಲ್ಲಿ ನಿಯಮಿತ ಅಭಿವ್ಯಕ್ತಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಹುಡುಕುವ ಮೂಲಕ ಆಯ್ಕೆಮಾಡಲಾಗುತ್ತದೆ. ಪೂರ್ಣಗೊಂಡ ನಂತರ, ಫೈಲ್‌ಗಳನ್ನು ಅದರ ಗಡಿಯೊಳಗೆ ಸರಿಸಬಹುದು, ಮರುಹೆಸರಿಸಬಹುದು ಮತ್ತು ನಕಲಿಸಬಹುದು, ಫೈಲ್ ಮತ್ತು ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್‌ಗಳನ್ನು ಬದಲಾಯಿಸಬಹುದು, ಇತ್ಯಾದಿ. ಆದಾಗ್ಯೂ, ನೀವು ಅತ್ಯಂತ ಜಾಗರೂಕರಾಗಿರಬೇಕು ಮತ್ತು ತಕ್ಷಣದ ವಿಷಯವನ್ನು ಯಾವುದೇ ರೀತಿಯಲ್ಲಿ ಬದಲಾಯಿಸಬಾರದು. ಒಂದು ಬಿಟ್ ಮೌಲ್ಯವನ್ನು ಕಳೆದುಕೊಳ್ಳುವುದರಿಂದ ಮಾಹಿತಿಯನ್ನು ಮರುಪಡೆಯಲು ಅಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಪೂರ್ಣಗೊಂಡ ನಂತರ, ಬಳಸಿದ ಚಿತ್ರಗಳ ಬಗ್ಗೆ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಂತೆ ಅನ್ಪ್ಯಾಕ್ ಮಾಡಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿರುವ ವಿಶೇಷ ಆರ್ಕೈವ್ ಫೈಲ್ ಅನ್ನು ಉಪಯುಕ್ತತೆಯು ಬಿಡುತ್ತದೆ. ಸ್ವತಃ, ಇದು ಸುಮಾರು ಒಂದೆರಡು ಕಿಲೋಬೈಟ್‌ಗಳಷ್ಟು ತೂಗುತ್ತದೆ ಮತ್ತು ಆಕ್ರಮಿತ ಡಿಸ್ಕ್ ಜಾಗದ ಮೇಲೆ ಯಾವುದೇ ಮಹತ್ವದ ಪ್ರಭಾವ ಬೀರುವುದಿಲ್ಲ.

ನೀವು '-a' ಫ್ಲ್ಯಾಗ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಭವನೀಯ ಸಾಮರ್ಥ್ಯವನ್ನು ವಿಶ್ಲೇಷಿಸಬಹುದು: './f5ar -a [ಹುಡುಕಾಟ ಫೋಲ್ಡರ್] [ಪರ್ಲ್-ಹೊಂದಾಣಿಕೆಯ ನಿಯಮಿತ ಅಭಿವ್ಯಕ್ತಿ]'. ಪ್ಯಾಕಿಂಗ್ ಅನ್ನು './f5ar -p [ಹುಡುಕಾಟ ಫೋಲ್ಡರ್] [ಪರ್ಲ್-ಹೊಂದಾಣಿಕೆಯ ನಿಯಮಿತ ಅಭಿವ್ಯಕ್ತಿ] [ಪ್ಯಾಕ್ ಮಾಡಿದ ಫೈಲ್] [ಆರ್ಕೈವ್ ಹೆಸರು]', ಮತ್ತು './f5ar -u [ಆರ್ಕೈವ್ ಫೈಲ್] [ಚೇತರಿಸಿಕೊಂಡ ಫೈಲ್ ಹೆಸರು] ನೊಂದಿಗೆ ಅನ್ಪ್ಯಾಕ್ ಮಾಡಲಾಗುತ್ತದೆ. ]'

ಕೆಲಸದ ಪ್ರದರ್ಶನ

ವಿಧಾನದ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ತೋರಿಸಲು, ನಾನು ಸೇವೆಯಿಂದ ನಾಯಿಗಳ 225 ಸಂಪೂರ್ಣ ಉಚಿತ ಫೋಟೋಗಳ ಸಂಗ್ರಹವನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡಿದ್ದೇನೆ ಅನ್ಪ್ಲಾಶ್ ಮತ್ತು ದಾಖಲೆಗಳಲ್ಲಿ ಎರಡನೇ ಸಂಪುಟದ 45 ಮೀಟರ್‌ಗಳಷ್ಟು ದೊಡ್ಡ ಪಿಡಿಎಫ್ ಕಂಡುಬಂದಿದೆ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಕಲೆ ಕ್ನುಟಾ.

ಅನುಕ್ರಮವು ತುಂಬಾ ಸರಳವಾಗಿದೆ:

$ du -sh knuth.pdf dogs/
44M knuth.pdf
633M dogs/

$ ./f5ar -p dogs/ .*jpg knuth.pdf dogs.f5ar
Reading compressing file... ok
Initializing the archive... ok
Analysing library capacity... done in 17.0s
Detected somewhat guaranteed capacity of 48439359 bytes
Detected possible capacity of upto 102618787 bytes
Compressing... done in 39.4s
Saving the archive... ok

$ ./f5ar -u dogs/dogs.f5ar knuth_unpacked.pdf
Initializing the archive... ok
Reading the archive file... ok
Filling the archive with files... done in 1.4s
Decompressing... done in 21.0s
Writing extracted data... ok

$ sha1sum knuth.pdf knuth_unpacked.pdf
5bd1f496d2e45e382f33959eae5ab15da12cd666 knuth.pdf
5bd1f496d2e45e382f33959eae5ab15da12cd666 knuth_unpacked.pdf

$ du -sh dogs/
551M dogs/

ಅಭಿಮಾನಿಗಳಿಗೆ ಸ್ಕ್ರೀನ್‌ಶಾಟ್‌ಗಳು

ಅನ್ಪ್ಯಾಕ್ ಮಾಡಲಾದ ಫೈಲ್ ಅನ್ನು ಇನ್ನೂ ಓದಬಹುದು ಮತ್ತು ಓದಬೇಕು:

ನೀವು ನೋಡುವಂತೆ, ಹಾರ್ಡ್ ಡ್ರೈವಿನಲ್ಲಿ ಮೂಲ 633 + 36 == 669 ಮೆಗಾಬೈಟ್ ಡೇಟಾದಿಂದ, ನಾವು ಹೆಚ್ಚು ಆಹ್ಲಾದಕರ 551 ಗೆ ಬಂದಿದ್ದೇವೆ. ಅಂತಹ ಮೂಲಭೂತ ವ್ಯತ್ಯಾಸವನ್ನು ಗುಣಾಂಕಗಳ ಮೌಲ್ಯಗಳಲ್ಲಿನ ಇಳಿಕೆಯಿಂದ ವಿವರಿಸಲಾಗಿದೆ, ಅದು ಅವುಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ನಂತರದ ನಷ್ಟವಿಲ್ಲದ ಸಂಕೋಚನ: ಒಂದೊಂದಾಗಿ ಕಡಿಮೆ ಮಾಡುವುದರಿಂದ ಸುಲಭವಾಗಿ " ಅಂತಿಮ ಫೈಲ್‌ನಿಂದ ಒಂದೆರಡು ಬೈಟ್‌ಗಳನ್ನು ಕತ್ತರಿಸಬಹುದು. ಆದಾಗ್ಯೂ, ಇದು ಇನ್ನೂ ಡೇಟಾ ನಷ್ಟವಾಗಿದೆ, ಆದರೂ ಅತ್ಯಂತ ಚಿಕ್ಕದಾಗಿದೆ, ನೀವು ಅದನ್ನು ಸಹಿಸಿಕೊಳ್ಳಬೇಕಾಗುತ್ತದೆ.

ಅದೃಷ್ಟವಶಾತ್, ಅವರು ಕಣ್ಣಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಅಗೋಚರರಾಗಿದ್ದಾರೆ. ಸ್ಪಾಯ್ಲರ್ ಅಡಿಯಲ್ಲಿ (ಹ್ಯಾಬ್ರಾಸ್ಟೋರೇಜ್ ದೊಡ್ಡ ಫೈಲ್‌ಗಳನ್ನು ನಿಭಾಯಿಸಲು ಸಾಧ್ಯವಿಲ್ಲದ ಕಾರಣ), ಓದುಗರು ಕಣ್ಣು ಮತ್ತು ಅವುಗಳ ತೀವ್ರತೆಯ ಮೂಲಕ ವ್ಯತ್ಯಾಸವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಬಹುದು, ಮೂಲದಿಂದ ಬದಲಾದ ಘಟಕದ ಮೌಲ್ಯಗಳನ್ನು ಕಳೆಯುವ ಮೂಲಕ ಪಡೆಯಲಾಗುತ್ತದೆ: ಮೂಲ, ಒಳಗಿನ ಮಾಹಿತಿಯೊಂದಿಗೆ, ವ್ಯತ್ಯಾಸ (ಬಣ್ಣವು ಮಂದವಾಗಿರುತ್ತದೆ, ಬ್ಲಾಕ್ನಲ್ಲಿನ ವ್ಯತ್ಯಾಸವು ಚಿಕ್ಕದಾಗಿದೆ).

ಬದಲಿಗೆ ತೀರ್ಮಾನದ

ಈ ಎಲ್ಲಾ ತೊಂದರೆಗಳನ್ನು ಪರಿಗಣಿಸಿ, ಹಾರ್ಡ್ ಡ್ರೈವ್ ಅನ್ನು ಖರೀದಿಸುವುದು ಅಥವಾ ಕ್ಲೌಡ್‌ಗೆ ಎಲ್ಲವನ್ನೂ ಅಪ್‌ಲೋಡ್ ಮಾಡುವುದು ಸಮಸ್ಯೆಗೆ ಹೆಚ್ಚು ಸರಳವಾದ ಪರಿಹಾರವೆಂದು ತೋರುತ್ತದೆ. ಆದರೆ ನಾವು ಈಗ ಅಂತಹ ಅದ್ಭುತ ಸಮಯದಲ್ಲಿ ವಾಸಿಸುತ್ತಿದ್ದರೂ ಸಹ, ನಾಳೆ ಇನ್ನೂ ಆನ್‌ಲೈನ್‌ಗೆ ಹೋಗಲು ಮತ್ತು ನಿಮ್ಮ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಡೇಟಾವನ್ನು ಎಲ್ಲೋ ಅಪ್‌ಲೋಡ್ ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಎಂಬುದಕ್ಕೆ ಯಾವುದೇ ಗ್ಯಾರಂಟಿಗಳಿಲ್ಲ. ಅಥವಾ ಅಂಗಡಿಗೆ ಹೋಗಿ ಮತ್ತು ನೀವೇ ಇನ್ನೊಂದು ಸಾವಿರ ಟೆರಾಬೈಟ್ ಹಾರ್ಡ್ ಡ್ರೈವ್ ಖರೀದಿಸಿ. ಆದರೆ ನೀವು ಯಾವಾಗಲೂ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮನೆಗಳನ್ನು ಬಳಸಬಹುದು.

-> GitHub

ಮೂಲ: www.habr.com