GEUL データはレコードの連なりである。すべてのレコードは TAG WORD 1 つで始まる。

レコードレイアウト

TAG WORD (16ビット)
┌──────────┬──────────┬──────────┬──────────┐
│  Prefix  │   Kind   │  Class   │  Length  │
│   3bit   │   4bit   │   5bit   │   4bit   │
│   000    │   KKKK   │  CCCCC   │   LLLL   │
└──────────┴──────────┴──────────┴──────────┘
[Length 拡張 TAG]
[Codec 拡張 TAG]
[Codec 別 TAG]
Payload
  • TAG WORD は 000K KKKC CCCC LLLL である。上位 4 ビット KKKK がセクション S = w >> 9 であり、1 つのセクションは 32 マスである。C はセクション内 5 ビットのオフセット (w >> 4) & 0x1F である。
  • TAG ID は 0x000L と書く。前の 3 桁がセクションと C を合わせた 9 ビットの Codec 部分(w >> 4)であり、L は Length 部分である。実際の WORD 値は L の位置に数字を書く(例: TRIPLE は 0x0AAL、10 WORD の TRIPLE の TAG WORD は 0x0AA9)。
  • 拡張 TAG は上の順序でのみ置く。Length 拡張 TAG は常に TAG WORD の直後である。
  • Codec 別 TAG と Payload の構成は、各 Codec 規格が定める。Codec 別 TAG の長さは TAG WORD に書かない。Payload を解釈するにはどのみちコードブックが必要だからである。
  • 下位形式のある Codec は、Codec 別 TAG 1 WORD で下位形式を指定する(Edge WORLD など)。

バイト順

  • 正規のシリアライズはビッグエンディアンである。
  • ビットフィールドは最上位ビットから配置する。
  • WORD の中では上位バイトを先に、複数の WORD からなる値は上位 WORD を先に書く。
  • メモリ内の表現は実装が自由に定める。

Kind (セクション区間)

セクションKindTAG ID定義
0~2Reference0x000L~0x05FL対象を指す。Codec と対象 ID で対象を識別する
3·4Value0x060L~0x09FL値そのものを収める。Codec が Payload の解釈を定める
5~13Edge0x0A0L~0x1BFL他のレコードを構成要素として束ねる。Codec が構成要素の役割と順序を定める
14·15Meta0x1C0L~0x1FFLドキュメントとレコードについて語る
  • Kind はセクション区間 1 つで判定する: w < 0x0600 Reference、w < 0x0A00 Value、w < 0x1C00 Edge、残りは Meta。例外はない。

  • Kind は Codec の不変の属性である。一度割り当てた Codec は Kind を移さない。

  • Value と Edge は同じ「Codec + Payload」形式である。Edge だけが他のレコードを構成要素として持つ。

  • Reference は、プレースホルダ、ポインタ、5Q 体系、REFERENCE-ISSUER をコード表で分ける。量化は体系コードにある。REFERENCE-ISSUER の量化は Issuer ドキュメントが定める(Reference)。

Length (4 ビット)

Length は、レコードが占める全 WORD 数である。TAG WORD、拡張 TAG、Payload、最後の WORD のパディングをすべて含む。

値意味
0000~11011~14 WORD (値 + 1)
1110拡張長 1: 次の 1 WORD に全 WORD 数 (15~65,535)
1111拡張長 2: 次の 2 WORD に全 WORD 数 (65,536~2³²−1)
  • 1~14 WORD は必ず直接の長さで書く。より広い表記は正規形ではない。
  • 拡張長の全 WORD 数には、Length 拡張 TAG 自身も含まれる。
  • 2³²−1 WORD を超えるレコードはない。
  • 1 WORD レコードは、Payload なしの TAG WORD 1 つである。Codec 規格が許すときにのみ使う(例: Meta BODY、END、空のバイト列、プレースホルダ)。
  • コードブックがなくても、次のレコードの位置 = 現在のレコードの開始 + Length でレコードを読み飛ばせる。

Codec (セクションと C、9 ビット)

TAG ID名前意味
各 Kind 領域の前方直接コードTAG WORD だけで Codec が定まる
0x05DL, 0x09DL, 0x1BDLREFERENCE-ISSUER-2WORD, VALUE-ISSUER-2WORD, EDGE-ISSUER-2WORDCodec 拡張 TAG に Issuer 2 WORD と Codec 番号 2 WORD
0x05EL, 0x09EL, 0x1BELREFERENCE-ISSUER-4WORD, VALUE-ISSUER-4WORD, EDGE-ISSUER-4WORDCodec 拡張 TAG に Issuer 4 WORD と Codec 番号 2 WORD
0x05FL, 0x09FL, 0x1BFLREFERENCE-ISSUER-16WORD, VALUE-ISSUER-16WORD, EDGE-ISSUER-16WORDCodec 拡張 TAG に Issuer 16 WORD と Codec 番号 2 WORD
  • 各 Kind 領域の末尾 3 マスが ISSUER である。 Issuer の幅は C の下位 2 ビットである(01 2 WORD、10 4 WORD、11 16 WORD)。Meta には Issuer 形式がない。
  • 直接コードの C はセクションごとに別にある。同じ C の値でもセクションが異なれば別の Codec である。直接コードの Codec ID は TAG WORD 全体(L=0)であるため、Kind が含まれている。
  • Issuer の Codec 番号は、Kind に関係なく Issuer ごとに 1 つの空間である。Issuer が自分の codecs/ の中で重複しないように割り当てる(公表アドレスとバージョン一覧)。
  • 直接コードでない Codec は (Issuer, Codec 番号) の組である。Codec 番号はその Issuer が定義する(Issuer と公表)。拡張形式は、その形式を制定した団体の Issuer の下に置く。
  • 直接コードのある Codec は、Issuer 形式として別途登載しない。
  • Issuer 形式は Reference、Value、Edge にある。Meta は GEUL だけが定義する共通の規格である。
  • Edge の直接コードのセクション(w >> 9)が系列である。Value の直接コードと Meta は、ビットで系列・クラスを表さない。Codec 番号の意味は Issuer が定める。
  • 直接コードは回収できない。頻度が確認された形式だけを直接コードに置く。

Issuer 形式のレコード

TAG WORD          ISSUER コード (各 Kind 領域の末尾 3 マス)
[Length 拡張 TAG]
Issuer            2/4/16 WORD (Codec が幅を定める)
Codec 番号        2 WORD. Issuer が定義する
Payload           Issuer が発行した Codec ドキュメントが定める
  • 3 つの Kind のレイアウトは同じである。番号が足りなければ Issuer をもう 1 つ発行してもらう。
  • Edge(EDGE-ISSUER)の Payload は、他の Edge と同様に Edge Id で始まる。そのため順序は TAG、Issuer、Codec 番号、Edge Id、残りの Payload である。
  • 形式を知らないデコーダは、Issuer と Codec 番号までを把握し、Length で読み飛ばす。

可変長バイト列

テキスト、URI、言語タグ、不明なバイト列のように、長さがバイト単位の値は、Codec(または Codec 番号)を偶数・奇数のペアで割り当てる。

  • Codec の最下位ビット(直接コードは C の最下位ビット)が 0 ならバイト数が偶数、1 なら奇数である。
  • バイト数 = 2 × Payload WORD 数 − 最下位ビット。Byte Count フィールドはない。
  • 奇数なら、最後の WORD の下位バイトは 0x00 のパディングである。0x00 でなければ拒否する。
  • 空のバイト列は、偶数の Codec の 1 WORD レコード(TAG WORD のみ)である。
  • UUID・ダイジェスト・アドレスのようにサイズが決まった値には、ペアを置かない。

例: TAG WORD を読む

0AA9 を読んでみよう。

0x0AA9 = 0000 1010 1010 1001
         000 | 0101 | 01010 | 1001
Prefix 000, セクション 0101(5, Edge), C 01010, Codec 0x0AAL(TRIPLE), Length 1001(10 WORD)

このレコードは 10 WORD の Edge であり、Codec は TRIPLE である。コードブックがなくても、次のレコードが 10 WORD 後ろにあることが分かる。

プレースホルダ

TAG WORD 0x0000、0x0010、0x0020 は、Reference プレースホルダの 1 WORD レコードである。対象を指さず、レコードのフィールドの位置を埋める(プレースホルダ)。

0x0000, 0x0010, 0x0020 = 0000 0000 00CC 0000
                         Prefix 000, セクション 0(Reference), C 0~2, LLLL 0000(1 WORD)
WORD名前意味何についての言明か論理世界の仮定Wikidata
0x0000ABSENT記載しないドキュメント: この位置を埋めなかった断言なし開いた世界snak なし
0x0010UNKNOWN-VALUE不明世界: 値がある。何かは分からない∃x. P(s, x)存在は閉じ、正体は開くsomevalue
0x0020NO-VALUEなし世界: 値がない¬∃x. P(s, x)(s, P, 限定条件)について閉じるnovalue
  • 例: 子(P40)が ABSENT なら何人か分からない、UNKNOWN-VALUE なら 1 人以上、NO-VALUE なら 0 人である。終了時点(P582)が ABSENT なら今も有効か分からない、UNKNOWN-VALUE なら終わったがいつか分からない、NO-VALUE なら終わっていない。
  • プレースホルダは、フィールドの CODEC 一覧がその WORD を正確に置いているときにのみ有効である。ワイルドカード、CODEC のないフィールド、HEAD・BODY のレコード位置、Edge Id の位置では invalid である(CODEC)。
  • 読む側の義務:
    1. UNKNOWN-VALUE は値ではなく存在の断言である。どの値とも等しくも異なりもせず、2 つの UNKNOWN-VALUE 同士も同じ値とみなさない。UNKNOWN-VALUE を含む TRIPLE は重複をマージしない。
    2. NO-VALUE は、その命題の限定条件の中で閉じる。同じ Subject・Predicate・rank に、限定条件が区別されない値 TRIPLE と一緒にあれば矛盾であり、検査器は警告する(拒否はしない)。
    3. rank は同様に適用される。代表値(truthy)を選ぶとき、2 つのプレースホルダの TRIPLE も候補である。
    4. QUALIFIER の値として使われると、その限定の意味を変える(P582 = UNKNOWN: 終わった、時点は不明。P582 = NONE: 終わっていない)。
    5. ABSENT は世界について何も語らない。移せなかった値を UNKNOWN-VALUE として使わない。

正規形

同じ内容は同じバイト列にならなければならない。そうでなければ、コンテンツハッシュと署名が 1 つに定まらない。

  • 長さは最も短い表記を使う(1~14 WORD は直接の長さ)。
  • 整数は最も短い幅で書く。各 Codec 規格が定める正規形に従う。
  • 正規形でないレコードは拒否する。
  • 例外: CODEC の対象 WORD の L=1111 は、C の値に関係なくセクション KKKK だけを見る。セクションの最初のマス(C = 0)を推奨し、同じセクションの他の C であっても拒否しない。