Přenos a komprese dat

Počítače často využíváme k tomu, abychom si ukládali informace a posílali je ostatním. Dejme tomu, že třeba vyfotíte fotku a chcete ji poslat kamarádovi.

Fotka je uložená na počítači jako posloupnost nul a jedniček. Kolik těch nul a jedniček je potřeba? To nám říká velikost dat, kterou měříme v bytech a jejich násobcích (megabyty, gigabyty). Velikosti dat se hodí rozumět, abychom třeba měli jasno v tom, kolik fotek se nám vleze na paměťovou kartu.

Pokud vyfotíme fotky s vysokým rozlišením, velikost souboru bude velká a do paměti se nám jich vejde málo. Možná bychom si raději uložili fotek víc, byť budou trochu méně kvalitní. K tomu slouží komprese dat.

A když vybranou fotku posíláme kamarádovi, dochází k přenosu dat. Nuly a jedničky, které reprezentují naši fotku, při přenosu mohou putovat vzduchem nebo optickými kabely. Při tom putování se může stát, že se něco pokazí. Přenos dat tedy potřebujeme udělat chytře, aby bylo možné chyby najít a opravit.

Jeden z hlavních účelů počítačů je práce s informacemi a daty. Informace můžeme ukládat, přenášet mezi počítači a upravovat je. Aby počítače mohly s informacemi pracovat, musíme je zakódovat, tedy zaznamenat je určitým ustáleným způsobem, kterému budou počítače rozumět. V počítači se všechna data kódují pomocí nul a jedniček.

Bit je základní a nejmenší jednotka informace. Může mít dvě různé hodnoty, 0 nebo 1. Bity se sdružují do bytů (bajtů), jeden byte se skládá z 8 bitů. Počítače obvykle pracují s celými byty, byte je tedy většinou nejmenší jednotka, se kterou počítač dokáže manipulovat. Proto i velikost počítačové paměti a souborů v ní uložených se udává v bytech. Bit se značí jako b, byte jako B.

Všechna data jsou v počítačích ukládána a zpracovávána jako řady bytů. Protože soubory v počítačích se často skládají z mnoha milionů bytů, pro jednodušší značení velikosti dat používáme násobné jednotky. Pro jednodušší převádění mezi jednotkami zde používáme vztah 1 kB = 1000 B, někdy se však můžeme setkat i se vztahem 1 kB = 1024 B = 2^{10} B. Stejně to platí i pro ostatní násobné jednotky, tedy někdy můžeme vidět 1 MB = 1024 kB, 1 GB = 1024 MB atd.

Komprese je proces, kterým můžeme výrazně zmenšit prostor, který naše data zabírají v paměti, a přitom zachovat jejich obsah relativně nezměněný. Používáme ji, když chceme ušetřit místo v paměti nebo když potřebujeme data někam poslat. Když na soubor aplikujeme kompresi, komprimujeme ho, když chceme zpět získat původní obsah, dekomprimujeme ho.

Bezztrátová komprese zachovává všechny informace obsažené v souboru, nepřijdeme tak o žádná data a můžeme se kdykoli vrátit k původní verzi souboru. Její nevýhodou je, že nedokáže zmenšovat velikost tak dobře jako ztrátová. Velmi obvykle se používá pro texty a pro komprimaci souborů nezávisle na jejich formátu. Využívají ji například archivy zip a rar, které dokáží zkomprimovat několik různých souborů nebo složek najednou. Některé další formáty s bezztrátovou kompresí jsou png, gif (obraz) a flac (video).

Jedním z jednoduchých algoritmů pro bezztrátovou kompresi je RLE (run-length encoding). Řadu po sobě jdoucích stejných znaků zakóduje do dvojice (počet hodnot, hodnota). Například řetězec aaaaaa zakóduje jako 6a, řetězec cccddce jako 3c2d1c1e.

Ztrátová komprese je efektivnější ve zmenšování velikosti souborů. Při komprimaci však můžeme navždy přijít o nějaké informace, které byly v původním souboru. Zkomprimovaný soubor tak může obsahovat lehce zkreslené detaily nebo mít nižší kvalitu než originál. Hojně se používá pro obrázky, video a zvuk. Formáty využívající ztrátovou kompresi jsou například jpg (obraz), mp3 (zvuk), mp4 a ogg (video).

Informace jsou v počítači vždy nějak zakódované, tedy zaznamenané určitým ustáleným způsobem. Zakódování stejné informace pro různé účely (uložení, přenos, zobrazení) může vypadat úplně jinak. Informace se kódují do datového proudu, tedy do řady bytů, se kterou počítač může pracovat.

V současnosti neustále probíhá přenos dat mezi počítači, z velké části po internetu, avšak i jinými způsoby. Přenos mezi příjemcem a odesílatelem probíhá přes komunikační kanál, což je většinou skupina více různých prostředků (softwarových, hardwarových, …), které spolupracují, aby přenos dat mohl fungovat.

Přenosová rychlost je jednotka, která měří množství dat přenesených za určitou jednotku času. Základní jednotka je b/s (bit za sekundu), někdy také bps (bit per second). Používá se i B/s (byte za sekundu) a násobné jednotky jako kb/s, Mb/s apod.

Chyby při přenosu

V komunikačním kanálu na zprávy působí šum, který může data poškodit — na některém místě v datovém proudu se místo 0 objeví 1 nebo naopak. Proto často využíváme redundance — posíláme spolu se zprávou nějakou další informaci, která nám pomůže odhalit chybu, nebo ji rovnou opravit. Příklady redundancí jsou:

• Kontrolní součet je číslo nebo řetězec, který pošleme spolu se zprávou. Jednoduchá metoda kontrolního součtu je sečíst hodnoty všech bytů, často se však používají i mnohem složitější funkce.
• Do paritního bitu uložíme 1, pokud je počet 1 v daném úseku dat lichý a 0, pokud je počet 1 sudý.
• Kontrolním číslem doplníme zprávu tak, aby celý datový proud měl určitou vlastnost, např. aby součet hodnot všech bytů byl dělitelný určitým číslem.
• Poslání celé zprávy třikrát nám sice umožňuje chyby rovnou opravovat, posíláme však trojnásobný objem dat.

U přijaté zprávy zkontrolujeme, jestli redundance stále sedí (např. znovu spočítáme kontrolní součet a porovnáme s obdrženým). Pokud něco není v pořádku, můžeme zkusit chybu opravit, případně požádat odesílatele o opětovné poslání.

Signál

Data jsou přenášena pomocí signálu, který má dva druhy.

Analogový signál je spojitý a mnohem citlivější vůči šumu. Může nabývat nekonečně mnoha hodnot. V současnosti už se pro přenos dat nepoužívá tolik často. Aby s analogovým signálem mohly pracovat počítače, je nejprve potřeba ho převést na digitální.

Digitální signál je nespojitý a nabývá omezeného počtu hodnot, v informatice to jsou typicky 0 a 1. Nyní je hojně využíván pro přenos dat mezi počítači.

Na obrázku je analogový signál znázorněn oranžovou linkou a digitální pomocí modrých bodů.