kB naar GB omrekenen

Een kilobyte is 1.000 bytes als een normalisatie-instituut hem definieert en 1.024 als een besturingssysteem dat doet. Deze pagina rekent met 1.000; de eenheid van 1.024 heet kibibyte.

Een gigabyte is een miljard bytes, in de decimale betekenis die schijffabrikanten, databundels en videogroottes hanteren.

Van kilobytes naar gigabytes schuift de komma 6 plaatsen naar links, en verder verandert er niets. Geen factor om te onthouden en niets om af te ronden: de cijfers blijven in dezelfde volgorde staan, alleen hun plek verandert.

1.234 kB is 0,001234 GB — dezelfde cijfers, een stuk opgeschoven. Dat is het waard om te weten, want dit is de enige omrekening die je in één oogopslag controleert: staan er in de uitkomst andere cijfers dan waarmee je begon, dan heeft niet deze omrekening ze veranderd.

Decimaal maakt deze verhouding een schone macht van tien: een kilobyte is 10³ bytes, een gigabyte is 10⁹, en er zitten precies een miljoen kilobytes in een gigabyte. Dat is wat SI-voorvoegsels betekenen, en het is de conventie gebruikt door opslagfabrikanten, door elke netwerkstandaard en door de diensten die je een capaciteit opgeven.

De fout die dit paar oplevert, is een factor duizend, geen factor 1,05. Iemand die de megabyteverhouding in het hoofd heeft — duizend ervan op de gigabyte — grijpt hier naar hetzelfde duizend en zit er drie ordes van grootte naast. Een handige controle is het antwoord hardop te zeggen met zijn schaal erbij: 500.000 kB is een halve gigabyte.

De vorm van de berekening is altijd hetzelfde: een gemiddelde itemgrootte in kilobytes, vermenigvuldigd met een aantal, gedeeld door een miljoen. Vijftig miljoen logregels per dag van 2 kB elk is 100.000.000 kB, wat 100 GB per dag is en 36,5 TB per jaar. Tweehonderdduizend thumbnails van 40 kB is 8.000.000 kB, ofwel 8 GB.

Het zwakke getal in die keten is bijna nooit de deling. Het is het gemiddelde, want bestands- en recordgroottes hebben een lange staart: een handvol zeer grote items trekt het gemiddelde ver boven de mediaan, en een gemiddelde gemeten op honderd steekproeven kan een factor twee fout zijn.

Een bestandssysteem geeft geen bytes uit; het geeft blokken uit, en de gangbare standaard op zowel ext4 als NTFS is 4.096 bytes. Een bestand van 1 kB neemt een heel blok in, een bestand van 5 kB neemt er twee. Een miljoen bestanden die gemiddeld 1 kB zijn, bevatten een gigabyte data en nemen ongeveer 4 GiB schijfruimte in — vier keer de schatting.

Het effect vervaagt naarmate items groter worden en verdwijnt boven een paar tientallen kilobytes. Het geldt nooit voor records binnen één groot bestand: een miljoen records van 2 kB in één databasebestand liggen achter elkaar gepakt, en de blokafronding gebeurt eenmaal voor het hele bestand.

Bijna alles dat in kilobyte-grote stukken binnenkomt, is tekst, en tekst comprimeert flink. Logregels, JSON-documenten, CSV-exports en SQL-dumps krimpen doorgaans naar een vijfde tot een tiende van hun grootte met een algemeen algoritme, want ze herhalen veldnamen, tijdstempels en structuur op elke regel.

De uitzondering is inhoud die al gecomprimeerd is. JPEG-thumbnails, MP3-previews en videosegmenten dragen geen bruikbare redundantie meer om te verwijderen. Een schatting hoort dus in twee delen opgebouwd: tekst op zijn gecomprimeerde grootte, media op zijn opgeslagen grootte, en de twee opgeteld.

Deze pagina deelt door 1.000.000. Het binaire equivalent deelt door 1.048.576, want een gibibyte is 1.024² kibibytes in plaats van 1.000² kilobytes, en de twee delers verschillen 4,9 procent. Dat is groter dan de 2,4 procent kloof tussen een kilobyte en een kibibyte, en kleiner dan de 7,4 procent tussen een gigabyte en een gibibyte.

Op een schatting die al een tweevoudige onzekerheid in de gemiddelde itemgrootte draagt, is 4,9 procent niet waar je je zorgen om moet maken. Het telt wanneer de getallen exact zijn in plaats van geschat: een factuurcijfer verzoenen met een bestandssysteemrapport, of controleren dat een migratie alles verplaatste.

De Unix-tools waar de meeste mensen op deze schaal naar grijpen, zijn juist het minst geneigd decimale kilobytes te bedoelen. du en df rapporteren standaard in blokken van 1.024 bytes en labelen ze K of KB, een conventie die decennia ouder is dan de kibibyte. Een map gerapporteerd als 4.096 K is 4.194.304 bytes.

Beide accepteren een vlag die overschakelt naar machten van tien, en het verschil is de moeite waard te kennen voordat een getal je terminal verlaat naar een rekenblad. Over een terabyte verschillen de twee aflezingen 24 GB, genoeg om een capaciteitsplan comfortabel te laten lijken terwijl het dat niet is.

Een schatting opgebouwd uit een gemiddelde, een aantal en een compressiegok verdient het als bereik te worden opgegeven in plaats van als één cijfer. "Tussen de 8 en 20 GB per dag, uit een steekproef van tienduizend regels met een gemiddelde van 2,1 kB, comprimerend rond 6:1" is een zin die iemand anders kan controleren.

Het is ook de moeite waard om op te schrijven wat de schatting uitsluit, want de weglatingen op deze schaal zijn meestal groter dan het rekenwerk. Indexen op een database voegen vaak de helft extra toe aan de omvang van de rijen; een logpipeline houdt dezelfde data tegelijk in een buffer, een hot store en een archief; en retentie is een vermenigvuldiger.