Value ist ein Record, der den Wert selbst enthält. Der Codec bestimmt die Interpretation der Payload.

Layout

TAG WORD          000K KKKC CCCC LLLL      Abschnitte 3·4 (0x060L~0x09FL)
[Length-Erweiterungs-TAG]
[Codec-Erweiterungs-TAG]  bei Issuer-Format
Payload
  • LLLL ist die Gesamtzahl der WORDs einschließlich des TAG WORDs − 1. 1~14 WORDs sind direkte Länge, ab 15 WORDs ist es erweiterte Länge.
  • Bei einem Issuer-Format stehen im Codec-Erweiterungs-TAG der Issuer (Breite 2/4/16 WORDs, vom Codec festgelegt) und die Codec-Nummer mit 2 WORDs. Die Codec-Nummer bestimmt der Issuer.
  • Ein Decoder kennt auch ohne Kenntnis des Formats Kind, Length, Issuer und Codec-Nummer.

Familien

Die Value-Nummer bedeutet keine Familie. Direkte Codes drücken die Familie nicht über Bits aus, und auch bei Issuer-Formaten gibt es keine Familienregel. Eine Familie ist eine thematische Gruppe.

FamilieDirekte Codes
NUMERIC0x060L~0x067L
DECIMAL0x068L~0x069L
TIME0x06AL~0x071L, 0x081L
TEXT0x072L~0x07AL
BINARY0x07BL~0x080L
  • Zahlenwerte wie Vektoren, Tensoren, komplexe Zahlen, Brüche und Intervalle gehören zu NUMERIC. Eine Ausnahme ist BIT-VECTOR, der zu BINARY gehört. Sprachcodes gehören zu TEXT.
  • Bei Records im Issuer-Format kommt der Codec-Erweiterungs-TAG (Issuer und Codec-Nummer) hinzu. Ist die Payload lang (insgesamt 15 WORDs oder mehr), wird ein Length-Erweiterungs-TAG verwendet.

Direkte Codes

CodecNameFamilieBeschreibung
0x060LBOOLNUMERICfalse oder true
0x061LSIGNED-INTEGERNUMERICZweierkomplement-Ganzzahl mit minimaler WORD-Anzahl
0x062LUNSIGNED-INTEGERNUMERICGanzzahl ohne Vorzeichen mit minimaler WORD-Anzahl
0x063LBINARY-FLOATNUMERICIEEE 754 binary16/32/64/128
0x064LCOORDINATE-EARTHNUMERICBreite und Länge der Erde (WGS 84) und Unsicherheit (Einheit als Reference)
0x065LCOORDINATE-GEONUMERICHimmelskörper-Reference, Breite und Länge, Unsicherheit (Einheit als Reference)
0x066LQUANTITYNUMERICNumerische Größe (Ganzzahl, BINARY-FLOAT, Dezimalzahl, Bruch), Einheit als Reference, Untergrenze und Obergrenze
0x067LFRACTIONNUMERICBruch mit erhaltener Schreibweise (Record aus Zähler und Nenner, nicht gekürzt)
0x068LSIGNED-DECIMALDECIMALC × 10^E, Koeffizient mit Vorzeichen
0x069LUNSIGNED-DECIMALDECIMALC × 10^E, Koeffizient ohne Vorzeichen
0x06ALGREGORIAN-DATETIMEAnzahl der Tage seit 1970-01-01 (Gregorianischer Kalender)
0x06BLCIVIL-TIME-NANOSECONDSTIMENanosekunden seit Mitternacht
0x06CLPOSIX-TIMESTAMP-SECONDSTIMESekunden seit der Unix-Epoche
0x06DLDURATION-SECONDSTIMEZeitspanne (Sekunden)
0x06EL/0x06FLEDTFTIMEErweiterte Datumszeichenkette nach ISO 8601-2 (Jahres- und Monatsgenauigkeit, Unsicherheit, Intervall)
0x070L/0x071LGEDCOM-DATETIMEGEDCOM-7-Datumszeichenkette (andere Kalender wie der Julianische)
0x072L/0x073LUTF8-TEXTTEXTUTF-8-Zeichenkette ohne Sprache
0x074L/0x075LURITEXTRFC-3986-URI
0x076L/0x077LLANGUAGE-BCP47-CODETEXTBCP-47-Sprach-Tag
0x078L/0x079LUTF8-LANGUAGE-TEXTTEXTText mit Sprachangabe
0x07ALLANGUAGE-SHORT-CODETEXTKomprimierter Sprachcode mit 1 WORD
0x07BLUUIDBINARYRFC-9562-UUID
0x07CLSHA-256-DIGESTBINARYSHA-256-Ergebnis
0x07DLSHA1-DIGESTBINARYSHA-1-Ergebnis (zur Identifikation, etwa für git-Objekt-IDs)
0x07EL/0x07FLOPAQUE-BYTESBINARYBytefolge mit unbekannter Bedeutung und unbekanntem Format. Gerade/ungerade Bytes
0x080LBIT-VECTORBINARYNach dem Bit-Count N Bits, MSB-first gespeichert
0x081LDURATION-NANOSECONDSTIMEZeitspanne (Nanosekunden)
  • Als gerade/ungerade Paar angelegte Codes sind Bytefolgen variabler Länge. Der gerade Code gilt für gerade Byteanzahl, der ungerade Code für ungerade Byteanzahl (Record und TAG WORD).
  • Die direkten Codes liegen ohne Reserved in 0x060L~0x081L. 0x082L~0x09CL ist Reserved, und 0x09DL~0x09FL sind VALUE-ISSUER-2WORD·4WORD·16WORD.

Issuer-Formate

Formate, die es unter den direkten Codes nicht gibt, liegen als Codec-Nummer unter dem Issuer der Organisation, die das Format festgelegt hat. Konventionsformate ohne festlegende Organisation liegen unter ADHOC (0x00000002). Formate, die GEUL eigen sind (OPAQUE-BYTES, BIT-VECTOR, DURATION-NANOSECONDS), sind direkte Codes.

IssuerBeispielformate
ADHOC 0x00000002BFLOAT16, Ganzzahl- und Gleitkomma-Vektoren, Tensoren, komplexe Zahlen, Brüche, Intervalle, Quaternionen, BLAKE3
IETF 0x00000007Relativer URI, CRC32C, IPv4- und IPv6-Adressen
IEEE 0x0000000DIEEE 754 decimal32/64/128, POSIX-Nanosekunden-Zeitstempel, MAC-Adressen
KHRONOS 0x0000000ERGBA8- und BGRA8-Pixel
ONNX 0x00000010, OCP 0x00000011FP8, FP4
BIPM 0x00000013TAI-Zeitstempel
NIST 0x00000015SHA-512, SHA3-256
GPS 0x00000016GPS-Zeitstempel
  • Ein Decoder, der das Format nicht kennt, kennt Issuer und Codec-Nummer und überspringt den Rest mithilfe von Length.
  • Das Codec-Dokument liegt unter codecs/ des jeweiligen Issuers bei der Codec-Nummer des Records. Beispiel: IETF CRC32C liegt unter 0x00000007/codecs/0x0000C000/ (Veröffentlichungsadresse und Versionsliste).
  • Große Werte wie Bilder und Videos werden besser über URI und SHA-256 referenziert, statt sie direkt einzufügen.
  • Werke innerhalb von Bytefolgen folgen ihrer ursprünglichen Lizenz. Quelle und Lizenz werden als Meta festgehalten.

Formatgruppen

Die Beschreibung je Gruppe steht unten. Layout, Interpretation, Gültigkeit und Beispiele jedes Formats stehen im Dokument des jeweiligen Formats.

GruppeFamilieFormate
numericNUMERICBOOL, Ganzzahlen, Gleitkommazahlen, Koordinaten, QUANTITY, FRACTION
decimalDECIMALSIGNED-DECIMAL, UNSIGNED-DECIMAL, IEEE 754 decimal32/64/128
timeTIMEDatum, Uhrzeit, Zeitstempel, Zeitspannen, EDTF, GEDCOM-Datum
textTEXTUTF-8-Text, Text mit Sprachangabe, URI, Sprachcodes
binaryBINARYUUID, Digests, CRC, Netzwerkadressen, Bytefolgen unbekannter Bedeutung, Bitvektoren
vectorNUMERICDichte Vektoren aus Ganz- und Gleitkommazahlen, Punkte und Begrenzungsrahmen, RGBA- und BGRA-Pixel
tensorNUMERICDense- und Packed-Tensoren mit Format, Rank und Shape
etcNUMERICKomplexe Zahlen, Brüche, geschlossene Intervalle, Quaternionen
  • Die Gruppen vector, tensor und etc sind sämtlich Issuer-Formate (ADHOC, KHRONOS) der Familie NUMERIC.

numeric

Die grundlegenden Zahlenformate der Familie NUMERIC. Sie liegen in den direkten Codes 0x060L~0x067L.

  • Es gibt BOOL, Ganzzahlen mit und ohne Vorzeichen, IEEE-754-binary-Gleitkommazahlen, Koordinaten der Erde (WGS 84) und von Himmelskörpern, QUANTITY, das Größe, Einheit und Grenzen bündelt, sowie FRACTION, einen Bruch in seiner Originalschreibweise.
  • Ganzzahlen werden mit der minimalen WORD-Anzahl geschrieben, in die der Wert passt.
  • Für kleine skalare Issuer-Formate (BFLOAT16, FP8, FP4) sind nur Codec-Nummern vergeben, eine detaillierte Spezifikation fehlt (Value, offene Probleme).
  • Vektoren, Tensoren, komplexe Zahlen, gekürzte Brüche (RATIONAL-I64) und Intervalle gehören ebenfalls zur Familie NUMERIC, sind aber Issuer-Formate und liegen daher in den Gruppen vector, tensor und etc.

decimal

Die Familie DECIMAL umfasst exakte Dezimalformate. Sie liegt in den direkten Codes 0x068L~0x069L.

  • Die direkten Codes SIGNED-DECIMAL und UNSIGNED-DECIMAL werden als C × 10^E geschrieben und enthalten die Stellenzahl der ursprünglichen Schreibweise unverändert. 1.20 (C=120, E=−2) und 1.2 (C=12, E=−1) sind verschiedene Records. Wertgleichheit und Erhalt des Quantums sind ein offenes Problem von SIGNED-DECIMAL.
  • Die DPD- und BID-Kodierungen von IEEE 754 decimal32/64/128 sind Formate des IEEE-Issuers (0x0000000D).

time

Die Familie TIME umfasst Datums- und Uhrzeitformate. Sie liegt in den direkten Codes 0x06AL~0x071L und 0x081L (DURATION-NANOSECONDS).

GenauigkeitFormat
Datum (Gregorianischer Kalender)GREGORIAN-DATE
Jahr und Monat, Unsicherheit, IntervallEDTF
Originalschreibweise eines anderen Kalenders (Julianisch usw.)GEDCOM-DATE
UhrzeitPOSIX-, TAI- und GPS-Zeitstempel
ZeitspanneDURATION-SECONDS, DURATION-NANOSECONDS
  • Ein Datum, das als GREGORIAN-DATE geschrieben werden kann, wird nicht als EDTF geschrieben.
  • Nanosekunden-Zeitstempel sowie die Formate TAI und GPS sind Formate unter den Issuern der jeweiligen Normungsorganisationen (IEEE, BIPM, GPS).

text

Die Familie TEXT umfasst Text und Zeichenketten-Bezeichner. Sie liegt in den direkten Codes 0x072L~0x07AL.

  • Eine Zeichenkette ohne Sprache ist UTF8-TEXT, ein Text mit Sprache wie Name, Titel und Satz ist UTF8-LANGUAGE-TEXT.
  • Auch die Sprachcodes (LANGUAGE-SHORT-CODE, LANGUAGE-BCP47-CODE) gehören zur Familie TEXT.
  • Bytefolgen variabler Länge werden als gerade/ungerade Codec-Paar angelegt. Ist das niedrigstwertige Bit 1, ist die Byteanzahl ungerade, und das untere Byte des letzten WORDs ist ein 0x00-Padding (Record und TAG WORD).

binary

Die Familie BINARY umfasst Bytefolgen-Formate. Sie liegt in den direkten Codes 0x07BL~0x080L.

  • UUID, SHA-256, SHA-1, Bytefolgen unbekannter Bedeutung (OPAQUE-BYTES) und Bitvektoren (BIT-VECTOR) sind direkte Codes. Die übrigen Digests, CRC32C sowie IPv4-, IPv6- und MAC-Adressen sind Issuer-Formate.
  • Werte fester Größe (UUID, Digests, Adressen) haben eine feste Größe und daher kein gerade/ungerade Paar.
  • Öffentliche Medien wie Bilder und Videos liegen als Formate des IANA-Issuers (0x00000008). Die Codec-Nummern werden als gerade/ungerade Paar vergeben, und die Payload ist eine Bytefolge. Die Obergrenze von Length ist 2^32−1 WORDs. Große Werte werden besser über URI und SHA-256 referenziert, statt sie direkt einzufügen.
  • Werke innerhalb von Bytefolgen folgen ihrer ursprünglichen Lizenz. Quelle und Lizenz werden als Meta festgehalten.

vector

Vektorformate sind Issuer-Formate der Familie NUMERIC. Dichte Vektoren aus Ganz- und Gleitkommazahlen sowie Punkte und Begrenzungsrahmen liegen bei ADHOC (0x00000002) unter den Codec-Nummern 0x00000500~0x0000050C, Pixelformate unter KHRONOS (0x0000000E).

  • Die Elemente eines dichten Vektors werden Big-Endian fortlaufend gespeichert.
  • Da es Issuer-Formate sind, folgen auf den Codec-Erweiterungs-TAG der Issuer mit 2 WORDs und die Codec-Nummer mit 2 WORDs.

tensor

Tensorformate sind Issuer-Formate der Familie NUMERIC. Sie liegen bei ADHOC (0x00000002) unter den Codec-Nummern 0x00000600~0x00000601.

  • DESCRIBED-DENSE-TENSOR enthält Elementformat, Rank, Shape und eine C-contiguous Dense-Payload.
  • DESCRIBED-PACKED-TENSOR enthält Packed-Format, Rank, Shape und eine Packed-Payload mit Low-Bit-First innerhalb eines Oktetts.

etc

Sonstige Zahlenformate sind Issuer-Formate der Familie NUMERIC. Sie liegen bei ADHOC (0x00000002) unter den Codec-Nummern 0x00000700~0x00000704.

  • Es gibt komplexe Zahlen (COMPLEX64, COMPLEX128), normalisierte Brüche (RATIONAL-I64), geschlossene binary64-Intervalle und binary32-Quaternionen.

Text

Text mit und ohne Sprache sind verschiedene Werte. „Paris“ (Zeichenkette) und „Paris“ (Französisch) sind nicht dasselbe.

FormatVerwendung
UTF8-TEXTZeichenketten ohne Sprache wie Bezeichner, Codes, Dateinamen und externe IDs
UTF8-LANGUAGE-TEXTText mit Sprache wie Namen, Titel und Sätze
UTF8-LANGUAGE-TEXT
TAG WORD          0000 0111 100P LLLL   (P = Text hat ungerade Bytes)
[Length-Erweiterungs-TAG]
Sprache           Record LANGUAGE-SHORT-CODE oder LANGUAGE-BCP47-CODE
Text              UTF-8-Bytes (bei ungerader Anzahl letztes 0x00)
  • Der Text ist wohlgeformtes UTF-8 und wird unverändert bewahrt. Die Normalisierung übernimmt, wer vergleicht oder indiziert.
  • Für einen Namen, der mehreren Sprachen gemeinsam ist, wird die Sprache mul verwendet, für eine unbestimmte Sprache und. Eine Zeichenkette ohne sprachlichen Inhalt ist UTF8-TEXT.

Beispiel: "Douglas Adams"@en (13 Bytes, ungerade)

0799  0761 656E  446F 7567 6C61 7320 4164 616D 7300
TAG   Sprache en D o  u g  l a  s ␠  A d  a m  s (Padding)

Dezimalzahlen und Größen

Exakte Dezimalzahlen werden als C × 10^E geschrieben. Der Exponent E hat 32 Bit, der Koeffizient C ist ein Zweierkomplement mit minimaler WORD-Anzahl. Die Stellenzahl der ursprünglichen Schreibweise bleibt unverändert erhalten: 1.20 ist C=120, E=−2, 1.2 ist C=12, E=−1. Beide Schreibweisen bezeichnen dieselbe Zahl, sind aber verschiedene Records mit unterschiedlichen Bytes. Ein Encoder normalisiert die Schreibweise nicht eigenmächtig. Die Wertgleichheit zweier Records und die Bedeutung des Quantums (der signifikanten Stellen) sind ein offenes Problem (SIGNED-DECIMAL).

QUANTITY enthält Größe, Einheit und Grenzen als einen Wert.

TAG WORD          0000 0110 0110 LLLL
[Length-Erweiterungs-TAG]
Größe             Zahlen-Value-Record (Ganzzahl, BINARY-FLOAT, Dezimalzahl, Bruch)
Einheit           Reference-Record (Einheitseintrag), ohne Einheit 0x0000
Untergrenze       Zahlen-Value-Record, bei Auslassung 0x0000 ABSENT
Obergrenze        Zahlen-Value-Record, bei Auslassung 0x0000 ABSENT
  • Die Einheit ist Teil des Werts. Sie wird nicht abgetrennt und andernorts notiert (ohne sie ließe sich bei 652 nicht sagen, ob es km oder m sind).
  • Ein in SI-Einheiten umgerechneter Wert wird nicht abgelegt. Er lässt sich aus Einheit und Umrechnungstabelle berechnen.
  • 0x0000 ist die Markierung ABSENT, dass ein optionales Feld ausgelassen wurde (Codec-Spezifikationsdokument).

Beispiel: 652 km, Bereich [651, 653] (km = Wikidata Q828224)

066E 0011                    TAG (erweiterte Länge, 17 WORDs)
0683 0000 0000 028C          Größe 652
0142 000C A340               Einheit Q828224
0683 0000 0000 028B          Untergrenze 651
0683 0000 0000 028D          Obergrenze 653

Datum

GenauigkeitFormat
Datum (Gregorianischer Kalender)GREGORIAN-DATE
Jahr und Monat, Unsicherheit (1971~), IntervallEDTF
Originalschreibweise eines anderen Kalenders (Julianisch usw.)GEDCOM-DATE
UhrzeitPOSIX-, TAI- und GPS-Zeitstempel
  • Ein Datum, das als GREGORIAN-DATE geschrieben werden kann, wird nicht als EDTF geschrieben.

Offene Probleme

  • Öffentliche Medienformate (JPEG, PNG, MP4, MOV usw.) liegen als Codec-Nummern des IANA-Issuers (0x00000008). Wie die Zuordnungstabelle zwischen Medientypen und Codec-Nummern verwaltet wird.
  • Die endgültige Liste der direkten Value-Codes. Sie wird festgelegt, indem die Value-Häufigkeit in Stichproben aus Gesetzen und Geschäftsgesprächen gemessen wird (Kandidaten: Geldbeträge, Prozentsätze, Datumsintervalle).
  • Detaillierte Spezifikation und Anordnung der 7 kleinen Skalare (ADHOC BFLOAT16, ONNX FP8 4 Arten, OCP FP8-E8M0FNU·FP4-E2M1FN). Ob sie zu direkten Codes werden, ist nicht entschieden. Derzeit sind nur Codec-Nummern vergeben.