Jakou metodu používá Unzip k nalezení jednoho souboru v archivu?

Řekněme, že vytvořím 100 souborů s náhodnými textovými daty, každý o velikosti 30 MB. Nyní vytvořím archiv zip s kompresí 0, tj. zip dataset.zip -r -0 *.txt . Nyní chci z tohoto archivu extrahovat pouze jeden soubor.

Jak je zde popsáno, existují dva způsoby rozbalování/extrahování souborů z archivů:

1. Vyhledejte konec souboru a vyhledejte centrální adresář. Pak to použijte pro rychlý náhodný přístup k extrahovanému souboru. (Amortizované O(1) složitost)
2. Prohlédněte si každé místní záhlaví a extrahujte to, kde se shoduje.(O(n) složitost)

Jakou metodu rozbalení používá? Z mých experimentů se zdá, že používá metodu 2?

Přijatá odpověď:

Při hledání jednoho souboru ve velkém archivu používá metodu 1, kterou můžete vidět pomocí strace :

open("dataset.zip", O_RDONLY)           = 3
ioctl(1, TIOCGWINSZ, 0x7fff9a895920)    = -1 ENOTTY (Inappropriate ioctl for device)
write(1, "Archive:  dataset.zip\n", 22Archive:  dataset.zip
) = 22
lseek(3, 943718400, SEEK_SET)           = 943718400
read(3, "\340P\356(s\342\306\205\201\27\360U[\250/2\207\346<\252+u\234\225\1[<\2310E\342\274"..., 4522) = 4522
lseek(3, 943722880, SEEK_SET)           = 943722880
read(3, "\3\f\225P\\ux\v\0\1\4\350\3\0\0\4\350\3\0\0", 20) = 20
lseek(3, 943718400, SEEK_SET)           = 943718400
read(3, "\340P\356(s\342\306\205\201\27\360U[\250/2\207\346<\252+u\234\225\1[<\2310E\342\274"..., 8192) = 4522
lseek(3, 849346560, SEEK_SET)           = 849346560
read(3, "D\262nv\210\343\240C\24\227\344\367q\300\223\231\306\330\275\266\213\276M\7I'&35\2\234J"..., 8192) = 8192
stat("rand-28.txt", 0x559f43e0a550)     = -1 ENOENT (No such file or directory)
lstat("rand-28.txt", 0x559f43e0a550)    = -1 ENOENT (No such file or directory)
stat("rand-28.txt", 0x559f43e0a550)     = -1 ENOENT (No such file or directory)
lstat("rand-28.txt", 0x559f43e0a550)    = -1 ENOENT (No such file or directory)
open("rand-28.txt", O_RDWR|O_CREAT|O_TRUNC, 0666) = 4
ioctl(1, TIOCGWINSZ, 0x7fff9a895790)    = -1 ENOTTY (Inappropriate ioctl for device)
write(1, " extracting: rand-28.txt        "..., 37 extracting: rand-28.txt             ) = 37
read(3, "\275\3279Y\206\223\217}\355W%:\220YNT\0\257\260z^\361T\242\2\370\21\336\372+\306\310"..., 8192) = 8192

unzip otevře dataset.zip , přejde na konec a poté na začátek požadovaného souboru v archivu (rand-28.txt , na offsetu 849346560) a čte se odtud.

Centrální adresář je nalezen skenováním posledních 65557 bajtů archivu; viz kód začínající zde:

/*---------------------------------------------------------------------------
    Find and process the end-of-central-directory header.  UnZip need only
    check last 65557 bytes of zipfile:  comment may be up to 65535, end-of-
    central-directory record is 18 bytes, and signature itself is 4 bytes;
    add some to allow for appended garbage.  Since ZipInfo is often used as
    a debugging tool, search the whole zipfile if zipinfo_mode is true.
  ---------------------------------------------------------------------------*/