Linux数据归档、压缩、解压与提取指定文件

高通量数据分析过程中涉及的中间文件，在存储量允许的前提下，可以将其暂存备查。通常可以将这些文件归档或压缩后保存，并打上日期标签，长时间未使用的非重要数据可考虑删除以腾出存储空间。在此总结Linux系统常用的归档与压缩指令。

归档 即将多个文件（目录）打包为一个文件，但并不对文件进行压缩。

从归档文件中提取指定文件

从压缩文件中提取指定文件

参考：

1. Linux tar 命令

2. 如何从一个tar包中或者tar.gz包中提取某个文件

1、gzip: 压缩后的文件后缀为.gz。用法：gzip+文件路径 ，压缩完成后会删除原文件。

2、bzip2:压缩后的文件后缀为.bz2.（比gzip有着更大压缩比的压缩工具，受用格式与其相似。）-k:压缩或者解压时可以保留原文件。

3、zip: 既归档又压缩的工具，可以压缩目录，以上三个不能，默认不删除原文件。

4、tar: 归档工具，也是很好的备份工具，后缀名为.tar.gz。

打包

打包，也称为归档，指的是一个文件或目录的集合，而这个集合被存储在一个文件中。归档文件没有经过压缩，因此，它占用的空间是其中所有文件和目录的总和。通常，归档总是会和系统备份联系在一起。

压缩

压缩是指利用算法将文件进行处理，已达到保留最大文件信息，而让文件体积变小的目的。其基本原理为，通过查找文件内的重复字节，建立一个相同字节的词典文件，并用一个代码表示。

压缩和归档文件类似，压缩文件也是一个文件和目录的集合，且这个集合也被存储在一个文件中，但它们的不同之处在于，压缩文件采用了不同的存储方式，使其所占用的磁盘空间比集合中所有文件大小的总和要小。

由于计算机处理的信息是以二进制的形式表示的，因此，压缩软件就是把二进制信息中相同的字符串以特殊字符标记，只要通过合理的数学计算，文件的体积就能够被大大压缩。把一个或者多个文件用压缩软件进行压缩，形成一个文件压缩包，既可以节省存储空间，又方便在网络上传送。

对文件进行压缩，很可能损坏文件中的内容，因此，压缩又可以分为有损压缩和无损压缩。

打包和压缩的区别

打包指的是将多个文件和目录集中存储在一个文件中，而压缩则指的是利用算法对文件进行处理，从而达到缩减占用磁盘空间的目的。

Linux下，常用打包命令有2个，分别是tar和dd常用的压缩命令有很多，比如gzip、zip、bzip2等。

---