Converter XZ para BZ2

Esta conversão tem uma justificativa honesta, e vale colocar em primeiro lugar porque qualquer comparação geral entre os dois formatos manda fazer o oposto. Descompactar um XZ aloca um buffer do tamanho do dicionário, que pode chegar a 64 MB. Num notebook isso é invisível. Num roteador, dentro de um contêiner com limite de 32 MB de memória, ou numa máquina Unix comercial antiga com limite conservador por processo, é a diferença entre o pacote abrir ou o extrator ser encerrado.

A segunda versão do mesmo problema é o xz simplesmente não estar instalado. Ele surgiu em 2009, recente o bastante para que vários sistemas de longa vida — equipamentos, controladores industriais — tenham só bzip2 e gzip. Converter o pacote é a mudança que você tem permissão de fazer.

XZ, de 2009, é LZMA2: um compressor de janela deslizante com dicionário de até 64 MB. Comprimindo o byte cem milhões, ele ainda consegue ver o byte trinta e seis milhões, motivo de notar que um arquivo no fim de um pacote se parece com um no início. Para descomprimir, o leitor precisa manter essa mesma janela disponível.

BZ2, de 1996, não desliza nada. Corta a entrada em blocos de até 900 KB, ordena cada um com uma transformação Burrows-Wheeler e codifica o resultado. Um bloco é autocontido, então o descompressor guarda um bloco por vez e nada mais — a mesma decisão que faz o bzip2 perder em taxa de compressão é a que o torna barato de desempacotar.

A penalidade de tamanho é real e sua escala depende inteiramente do conteúdo. Numa árvore de código-fonte, num corpus de documentos, em logs, o XZ vai ter encontrado bem mais do que o bzip2 consegue, e o BZ2 vai ficar visivelmente maior. É o preço da economia de memória.

Em outros pacotes a penalidade arredonda para quase nada. Se o XZ guarda fotografia, vídeo, áudio ou um dump de banco já comprimido, o compressor forte nunca tinha o que trabalhar; os dois formatos ficam essencialmente só embrulhando o dado. Olhe os dois números antes de se comprometer com qualquer coisa adiante.

É fácil presumir que o formato mais fraco é mais rápido em tudo, e não é o que acontece. XZ é lento para comprimir, porque buscar num dicionário de 64 MB é caro, e comparativamente rápido para descomprimir. Bzip2 é o contrário de um jeito que importa: desfazer uma transformação Burrows-Wheeler é computação de verdade, então bzip2 desempacota devagar.

Vale planejar em torno disso, porque isso parcialmente desfaz o motivo da conversão. Um aparelho restrito agora precisa de menos memória e mais tempo, e se ele também tiver um processador lento — o que aparelhos pequenos costumam ter —, a extração pode levar bem mais tempo do que o XZ levaria.

Os dois são compressores de um único fluxo e nenhum sabe o que é um arquivo. É por isso que os dois costumam ser encontrados com um TAR dentro. Esta conversão desempacota o tarball de dentro do XZ e escreve um novo antes de comprimir com bzip2.

Nenhum dos dois formatos registra um nome de arquivo original — gzip registra, esses dois não — então a extensão que você coloca no download é o único rótulo que o arquivo vai carregar. Chame de .tar.bz2.

Memória limitada é o destaque, e há uma consequência secundária que serve o mesmo leitor. Como os blocos do bzip2 são comprimidos independentemente, um arquivo danificado não perde necessariamente tudo depois do dano — ferramentas de recuperação conseguem achar os limites de bloco intactos e salvar o que sobreviveu.

Isso combina com os ambientes para os quais esta página foi escrita, onde armazenamento costuma ser flash barato, energia é cortada sem aviso, e raramente há uma segunda cópia por perto. Não é estratégia de backup e não deveria ser vendida como uma.

Se o motivo de sair do XZ é memória ou um binário ausente, gzip resolve os dois pelo menos tão bem e custa menos tempo. Precisa de uma janela de 32 KB — praticamente nada —, está presente em quase todo sistema que tem algum compressor, e descomprime bem mais rápido que bzip2 nos processadores lentos que esses aparelhos costumam ter.

Então o caso para bzip2 especificamente é estreito: a diferença de tamanho entre gzip e bzip2 genuinamente importa para sua transferência, e o tempo extra de descompressão é aceitável. Se não importa, gzip é o alvo melhor.

No nosso servidor, não no seu navegador. A maioria das ferramentas aqui roda no seu próprio aparelho e diz isso claramente; reempacotamento de arquivo compactado é uma das exceções, porque precisa do 7-Zip e do bzip2 como programas de verdade. O arquivo vai por conexão criptografada até um contêiner que os executa, e esse contêiner não tem acesso próprio à internet.

Cada tarefa recebe um diretório de trabalho num sistema de arquivos em memória, apagado assim que a tarefa termina, e qualquer tarefa ainda rodando depois de sessenta segundos é encerrada. O limite gratuito aceita 25 MB por arquivo enviado.

A única verificação que vale algo aqui é feita no destino. Copie o BZ2 para o aparelho ou contêiner que falhou no arquivo xz e extraia lá — não na sua própria estação, onde os dois formatos teriam funcionado.

Depois compare a listagem contra o original: tar tJf no XZ e tar tjf no BZ2 deveriam mostrar a mesma contagem e os mesmos caminhos. Este é um reempacotamento sem perdas, então uma diferença nunca é um arquivo danificado — é sempre estrutural.