3. 데이터를 압축해요

여러분이 공책을 다 쓰게 되면, 공책을 새로 사고 다 쓴 공책은 집에 잘 보관할 수 있다. 그러나 컴퓨터는 데이터 저장 공간을 다 써버리게 되면 여러분처럼 학교 앞 문구점에서 데이터 저장 공간을 사서 사용할 수 있는 것이 아니다. 컴퓨터에서 0과 1을 1비트(bit)라고 하고, 글자 또는 숫자 등은 1비트 8개로 이루어진 1바이트(byte)로 표현한다. 일반적으로 4MB의 메모리를 가지고 있다. 1MB는 백만 바이트이기 때문에 4MB는 4백만 바이트의 저장 공간이 있는 것이다. 많은 저장 공간이 있기는 하지만 컴퓨터는 데이터 저장 공간을 늘 효율적으로 쓰기 위해 노력한다. 모든 정보는 0과 1로 표시되기 때문에 컴퓨터는 데이터를 압축했다가 다시 풀어쓰기를 반복하며 데이터 저장 공간을 효율적으로 사용하고 이 과정에서 데이터의 정보는 달라지지 않는다.

기본적인 데이터 압축 체계는 핵심 단어 부호화 방법을 사용하는데, 영어의 ‘the’와 같이 자주 사용되는 단어를 2바이트의 기호로 변화시키는 것이다. 더 발달된 기술에서는 자주 사용되는 문장 형태들을 분석하고 확인하여 간단한 문자나 기호로 바꾸어준다. 예를 들면, ‘going to’에서 ‘ing to’를 ‘$’로 바꾸어줌으로써 문장 블록의 크기를 상당히 줄일 수 있다. 이러한 압축 기술로, 문자나 기호를 부호화하는데 8비트 미만의 문자열을 사용하고, 가장 자주 쓰이는 문자들은 가장 적은 비트로 나타낼 수 있다. 다양한 길이의 문자열을 사용하는 방법에서 성공적으로 압축을 해독하기 위해서는 문자의 끝을 나타내는 부분을 분명하게 인식할 수 있어야 한다. 허프만(Huffman) 부호화 방식은 가장 널리 사용되는 방법 중 하나이다. 반복되는 문자들을 포함하고 있는 데이터의 압축에는 런렝스 부호화 방식이 사용된다. 이 방식에서는 반복되는 단위를 1회만 저장하고, 반복 횟수를 표시한다.

데이터 압축의 장점으로는 데이터 저장용량을 확대할 수 있고, 팩스나 모뎀을 통한 정보의 전송을 간편하게 해주며, 정보에 담긴 의미를 암호화하거나 숨길 수 있다는 것 등이 있다.

(출처 다음백과)

데이터를 압축하는 유형에는 비손실 압축과 손실 압축이 있다. 먼저 비손실 압축(Lossless Compression)은 압축 과정에서 원래 데이터의 내용을 분실하지 않는다. 즉, 압축 해제를 통해 얻은 데이터가 압축 이전의 데이터와 완전히 동일하다. [그림 b]처럼 비손실 압축 알고리즘을 사용해 압축한 데이터를 해제하면 원래 데이터를 복원할 수 있다. [그림 b]에서 원 데이터와 복원 데이터는 완전히 동일하다.

대표적인 비손실 압축파일로는 Zip 파일이 있다.

이에 비해 손실 압축(Lossy Compression)은 압축 해제한 데이터가 원래 데이터와 동일하지 않다. 데이터 손실 정도는 응용 환경에 따라 허용 범위가 다를 수 있다. 예를 들어, 화상 정보나 음성 정보처럼 사람들이 감각적으로 느끼는 정보는 사용자 환경에 따라 손실 범위를 조절할 수 있다. 원래 데이터의 손실을 허용하면서 압축을 하는 이유는 압축 효율을 높이기 위함이다. [그림 a]처럼 손실 압축 과정을 거친 압축 데이터는 압축 해제가 되었을 때, 원래 데이터를 완전히 복원할 수 없다.

대표적인 손실 압축파일로는 MP3, MP4, JPG 등이 있다.