Convertir 7Z en GZ

C’est l’autre bout qui motive cette conversion. Un agent de build récupère des artefacts et les détarre, un script de déploiement attend une charge qu’il peut piper, un cache de paquets s’indexe sur des tarballs gzip, un admin serveur lance une commande et ne veut pas entendre parler d’installer un archiveur d’abord.

Le 7Z est un excellent format et aucune de ces infrastructures ne suppose qu’il existe. La conversion n’est pas un aveu qu’il est moins bon ; c’est la reconnaissance que ce qui est à l’autre bout a été écrit il y a des années autour de gzip, dépend de beaucoup d’autres choses, et ne va pas changer pour s’adapter à une archive. Argumenter coûte plus cher que les mégaoctets, et la conversion prend quelques secondes. Là où vous contrôlez les deux bouts, le calcul est différent, mais la raison habituelle d’être sur cette page est que vous en contrôlez exactement un.

Le GZ, défini par la RFC 1952 en mai 1996, compresse exactement un flux d’octets. Le registre l’indique comme un format de flux à un seul membre et signale l’absence de structure de répertoire parmi ses problèmes connus — pas de noms, pas de chemins, pas de permissions ne vit nulle part dans un fichier gzip.

Le 7Z est l’opposé en tout : un conteneur avec son propre répertoire d’entrées, ses propres sommes de contrôle par entrée et son propre chiffrement. Passer de l’un à l’autre demande donc une étape intermédiaire, et cette étape est le TAR. Le contenu est mis en page dans un tarball qui porte tout ce que gzip ne sait pas enregistrer, et gzip compresse ce tarball comme un objet unique. Rien dans cet arrangement n’est propre à ce convertisseur — c’est ce que `.tar.gz` signifie depuis avant que l’un ou l’autre des formats impliqués n’ait été écrit, et c’est pourquoi la machinerie à l’autre bout reconnaîtra le résultat sans qu’on lui dise d’où il vient.

LZMA2 dans un 7Z code une répétition comme une référence à quelque chose jusqu’à 64 Mo en amont et le fait avec un codeur arithmétique. DEFLATE dans gzip référence les 32 derniers kilo-octets et code avec Huffman. Deux mille fois moins de portée, et un codage moins efficace de ce qu’il trouve.

La couche tar préserve au moins l’avantage qui vaut la peine d’être gardé : gzip compresse tout le tarball comme un flux continu, si bien que les répétitions qui traversent les frontières des fichiers lui restent visibles, exactement comme elles l’étaient pour le 7Z. Ce qu’il ne peut pas faire, c’est voir assez loin pour en utiliser beaucoup. Le résultat pratique est un fichier clairement plus gros, le plus visible sur des collections de fichiers texte similaires, tandis que sur une archive de photos ou de vidéos, les deux tombent proches parce que ni l’un ni l’autre n’a plus rien à comprimer.

Le GZ est le seul format d’archive du registre marqué comme streaming, et c’est ce drapeau qui explique pourquoi tout l’internet tourne sur gzip. Un flux gzip peut être décompressé par l’avant au fur et à mesure que les octets arrivent, sans avoir besoin de voir la fin du fichier d’abord.

C’est ce qui fait que `curl … | tar -xz` marche, et ce qui permet à un agent de build d’extraire un artefact pendant qu’il est encore en train de le télécharger plutôt qu’après. Un 7Z ne peut pas le faire : la structure de l’archive doit être lue avant que les membres puissent être localisés, donc le fichier doit atterrir quelque part complet avant que quoi que ce soit ne soit déballé. Pour un pipeline, cette différence vaut plus que les mégaoctets qu’elle coûte.

Le registre indique le support navigateur de gzip comme universel, ce qui est vrai au sens où cela mérite d’être explicité : les navigateurs négocient gzip comme encodage de transfert et décompressent les réponses de manière invisible. C’est le même format appliqué au fil plutôt qu’à un fichier sur disque, ce qui explique aussi pourquoi un navigateur enregistre un téléchargement `.gz` tel quel au lieu de le déballer silencieusement pour vous.

La même ubiquité vaut en ligne de commande. Toute distribution Linux, toute installation macOS et toute image de conteneur construite sur l’une a gzip ; on ne peut pas en dire autant de xz sur une image minimale, et on ne peut certainement pas en dire autant de 7-Zip. Une base délibérément vide ne contient ni l’un ni l’autre — le `scratch` de Docker et les images distroless de Google n’embarquent pas le binaire gzip — ce qui vaut la peine d’être vérifié plutôt que supposé. Quand l’exigence est « doit fonctionner sur ce qui est à l’autre bout », c’est l’argument, et c’est pourquoi cette paire existe.

Le téléchargement prend le nom d’origine plus l’extension cible, si bien que `build.7z` revient en `build.gz` même si son contenu est un tarball gzip. La plupart des outils Unix le déduisent des octets, et certains scripts et serveurs web ne le font pas.

Renommez-le en `.tar.gz`, ou en `.tgz`, que le registre enregistre comme le même format sous une orthographe plus courte. Cela ne coûte rien et supprime toute une classe de confusion en aval — y compris le cas classique de quelqu’un qui le décompresse, trouve un tar, et suppose que la conversion a mal tourné.

La compression solide est la propriété qui a rendu le 7Z petit, et c’est aussi la propriété qui rend la conversion malaisée. Parce que les membres sont un flux continu, atteindre l’un d’eux suppose d’avoir décompressé ce qui le précède, si bien que la conversion déballe l’archive entière avant d’écrire un seul octet de tar.

C’est pourquoi la limite de tâche de soixante secondes et le garde-fou d’expansion de 2 Go comptent davantage sur cette paire que sur, par exemple, une source tar. Un 7Z bien tassé est un petit téléversement qui peut représenter une très grande quantité de travail, et les garde-fous lisent ce que l’archive déclare d’elle-même avant que quoi que ce soit ne soit écrit sur disque plutôt que de le découvrir à mi-chemin.

Cette conversion tourne sur notre convertisseur plutôt que dans le navigateur. Le 7Z part par une connexion chiffrée, est extrait par 7-Zip, taré, gzippé puis renvoyé ; le téléversement, le tarball intermédiaire et la sortie sont tous supprimés à la fin de la tâche, dans un répertoire de travail sauvegardé en mémoire qui est jeté avec le conteneur.

Le niveau gratuit accepte 25 Mo par fichier. Les archives chiffrées échouent immédiatement avec un message plutôt que de rester en suspens, parce qu’on donne délibérément un mot de passe vide à l’extracteur, et une archive qui se révèle vide reçoit une phrase claire plutôt qu’un téléchargement valide mais inutile.

Si le tarball doit être récupéré et écrit sur disque en entier avant que quoi que ce soit ne le touche, l’avantage de streaming de gzip ne vaut littéralement rien, et son ratio plus faible est une perte sèche à chaque téléchargement. Convertir le 7Z en XZ garde la famille LZMA que l’archive utilisait déjà, produit un fichier bien plus petit, et ne coûte rien dans un flux de travail qui n’allait de toute façon rien piper.

L’arbitrage va dans l’autre sens aussi, et cela vaut la peine d’être dit plutôt que supposé : xz demande plus de mémoire pour décompresser parce que le décodeur tient le dictionnaire, il n’est pas toujours présent sur une image de conteneur délibérément minimale, et il ne peut pas être consommé depuis l’avant du flux. Choisissez gzip pour les pipelines et pour des cibles que vous ne contrôlez pas, xz pour des téléchargements et des livraisons où le fichier est récupéré bien plus souvent qu’il n’est produit. Les deux sont construits à partir du tarball identique ici, donc la décision ne porte que sur l’emballage qui l’entoure.