Value는 값 자체를 담는 레코드다. Codec이 Payload의 해석을 정한다.

레이아웃

TAG WORD          000K KKKC CCCC LLLL      섹션 3·4 (0x060L~0x09FL)
[Length 확장 TAG]
[Codec 확장 TAG]  Issuer 형식일 때
Payload
  • LLLL은 TAG WORD를 포함한 전체 WORD 수 − 1이다. 1~14 WORD는 직접 길이, 15 WORD 이상은 확장 길이다.
  • Issuer 형식이면 Codec 확장 TAG에 Issuer(Codec이 정한 폭 2/4/16 WORD)와 코덱 번호 2 WORD를 둔다. 코덱 번호는 Issuer가 정한다.
  • 디코더는 형식을 몰라도 Kind, Length, Issuer, 코덱 번호까지 안다.

계열

Value 번호는 계열을 뜻하지 않는다. 직접 코드는 비트로 계열을 나타내지 않으며, Issuer 형식에도 계열 규칙이 없다. 계열은 주제 묶음이다.

계열직접 코드
NUMERIC0x060L~0x067L
DECIMAL0x068L~0x069L
TIME0x06AL~0x071L, 0x081L
TEXT0x072L~0x07AL
BINARY0x07BL~0x080L
  • 벡터, 텐서, 복소수, 분수, 구간 같은 수치 값은 NUMERIC이다. 예외로 BIT-VECTOR는 BINARY다. 언어 코드는 TEXT다.
  • Issuer 형식 레코드는 Codec 확장 TAG(Issuer와 코덱 번호)가 붙는다. Payload가 길면(전체 15 WORD 이상) Length 확장 TAG를 쓴다.

직접 코드

Codec이름계열설명
0x060LBOOLNUMERICfalse 또는 true
0x061LSIGNED-INTEGERNUMERIC최소 WORD 2의 보수 정수
0x062LUNSIGNED-INTEGERNUMERIC최소 WORD 부호 없는 정수
0x063LBINARY-FLOATNUMERICIEEE 754 binary16/32/64/128
0x064LCOORDINATE-EARTHNUMERIC지구(WGS 84) 위도·경도와 불확도(단위 Reference)
0x065LCOORDINATE-GEONUMERIC천체 Reference와 위도·경도, 불확도(단위 Reference)
0x066LQUANTITYNUMERIC수치 양(정수·BINARY-FLOAT·10진수·분수), 단위 Reference, 하한·상한
0x067LFRACTIONNUMERIC표기를 보존하는 분수(분자·분모 레코드, 약분하지 않음)
0x068LSIGNED-DECIMALDECIMALC × 10^E, 부호 있는 계수
0x069LUNSIGNED-DECIMALDECIMALC × 10^E, 부호 없는 계수
0x06ALGREGORIAN-DATETIME1970-01-01부터의 날짜 수 (그레고리력)
0x06BLCIVIL-TIME-NANOSECONDSTIME자정부터의 나노초
0x06CLPOSIX-TIMESTAMP-SECONDSTIMEUnix epoch부터의 초
0x06DLDURATION-SECONDSTIME경과 시간(초)
0x06EL/0x06FLEDTFTIMEISO 8601-2 확장 날짜 문자열 (연·월 정밀도, 불확실, 구간)
0x070L/0x071LGEDCOM-DATETIMEGEDCOM 7 날짜 문자열 (율리우스력 등 다른 달력)
0x072L/0x073LUTF8-TEXTTEXT언어가 없는 UTF-8 문자열
0x074L/0x075LURITEXTRFC 3986 URI
0x076L/0x077LLANGUAGE-BCP47-CODETEXTBCP 47 언어 태그
0x078L/0x079LUTF8-LANGUAGE-TEXTTEXT언어가 붙은 텍스트
0x07ALLANGUAGE-SHORT-CODETEXT1 WORD 압축 언어 코드
0x07BLUUIDBINARYRFC 9562 UUID
0x07CLSHA-256-DIGESTBINARYSHA-256 결과
0x07DLSHA1-DIGESTBINARYSHA-1 결과 (git 객체 ID 같은 식별 용도)
0x07EL/0x07FLOPAQUE-BYTESBINARY의미·형식 불명의 바이트열. 짝수·홀수 바이트
0x080LBIT-VECTORBINARYbit-count 뒤에 MSB-first로 저장한 N bit
0x081LDURATION-NANOSECONDSTIME경과 시간(나노초)
  • 짝수·홀수로 짝지은 코드는 가변 길이 바이트열이다. 짝수 코드는 바이트 수가 짝수, 홀수 코드는 홀수다(레코드와 TAG WORD).
  • 직접 코드는 0x060L~0x081L에 Reserved 없이 있다. 0x082L~0x09CL은 Reserved이고 0x09DL~0x09FL은 VALUE-ISSUER-2WORD·4WORD·16WORD다.

Issuer 형식

직접 코드에 없는 형식은 그 형식을 제정한 단체의 Issuer 아래 코덱 번호로 둔다. 제정 단체가 없는 관례 형식은 ADHOC(0x00000002) 아래에 둔다. GEUL 고유 형식(OPAQUE-BYTES, BIT-VECTOR, DURATION-NANOSECONDS)은 직접 코드다.

Issuer형식 예
ADHOC 0x00000002BFLOAT16, 정수·실수 벡터, 텐서, 복소수, 분수, 구간, 사원수, BLAKE3
IETF 0x00000007상대 URI, CRC32C, IPv4·IPv6 주소
IEEE 0x0000000DIEEE 754 decimal32/64/128, POSIX 나노초 타임스탬프, MAC 주소
KHRONOS 0x0000000ERGBA8·BGRA8 픽셀
ONNX 0x00000010, OCP 0x00000011FP8, FP4
BIPM 0x00000013TAI 타임스탬프
NIST 0x00000015SHA-512, SHA3-256
GPS 0x00000016GPS 타임스탬프
  • 형식을 모르는 디코더는 Issuer와 코덱 번호까지 알고 Length로 건너뛴다.
  • 코덱 문서는 그 Issuer의 codecs/ 아래에 레코드의 코덱 번호로 둔다. 예: IETF CRC32C는 0x00000007/codecs/0x0000C000/(공표 주소와 버전 목록).
  • 이미지·영상 같은 큰 값은 직접 넣기보다 URI와 SHA-256으로 참조하기를 권장한다.
  • 바이트열 안의 저작물은 원래 라이선스를 따른다. 출처와 라이선스는 Meta로 기록한다.

형식 묶음

묶음별 설명은 아래에 있다. 각 형식의 레이아웃, 해석, 유효성, 예시는 형식별 문서에 있다.

묶음계열형식
numericNUMERICBOOL, 정수, 부동소수, 좌표, QUANTITY, FRACTION
decimalDECIMALSIGNED-DECIMAL, UNSIGNED-DECIMAL, IEEE 754 decimal32/64/128
timeTIME날짜, 시각, 타임스탬프, 경과 시간, EDTF, GEDCOM 날짜
textTEXTUTF-8 텍스트, 언어가 붙은 텍스트, URI, 언어 코드
binaryBINARYUUID, 다이제스트, CRC, 네트워크 주소, 불명 바이트열, 비트 벡터
vectorNUMERIC정수·실수 밀집 벡터, 점·경계 상자, RGBA·BGRA 픽셀
tensorNUMERIC형식·rank·shape를 붙인 dense·packed 텐서
etcNUMERIC복소수, 분수, 닫힌 구간, 사원수
  • vector, tensor, etc 묶음은 모두 NUMERIC 계열의 Issuer 형식(ADHOC, KHRONOS)이다.

numeric

NUMERIC 계열의 기본 수 형식이다. 직접 코드 0x060L~0x067L에 둔다.

  • BOOL, 부호 있는·없는 정수, IEEE 754 binary 부동소수, 지구(WGS 84)·천체 좌표, 양·단위·경계를 묶은 QUANTITY, 원문 표기 그대로의 분수 FRACTION이 있다.
  • 정수는 값이 들어가는 최소 WORD로 쓴다.
  • 작은 스칼라 Issuer 형식(BFLOAT16, FP8, FP4)은 코덱 번호만 배정되어 있고 상세 규격이 없다(Value 열린 문제).
  • 벡터, 텐서, 복소수, 기약분수(RATIONAL-I64), 구간도 NUMERIC 계열이지만 Issuer 형식이라 vector, tensor, etc 묶음에 둔다.

decimal

DECIMAL 계열은 정확한 10진수 형식이다. 직접 코드 0x068L~0x069L에 둔다.

  • 직접 코드 SIGNED-DECIMAL·UNSIGNED-DECIMAL은 C × 10^E로 쓰며 원래 표기의 자릿수를 그대로 담는다. 1.20(C=120, E=−2)과 1.2(C=12, E=−1)는 다른 레코드다. 값 동등성과 quantum 보존은 SIGNED-DECIMAL의 열린 문제다.
  • IEEE 754 decimal32/64/128의 DPD·BID 인코딩은 IEEE Issuer(0x0000000D) 형식이다.

time

TIME 계열은 날짜와 시각 형식이다. 직접 코드 0x06AL~0x071L과 0x081L(DURATION-NANOSECONDS)에 둔다.

정밀도형식
날짜(그레고리력)GREGORIAN-DATE
연·월, 불확실, 구간EDTF
다른 달력의 원본 표기(율리우스력 등)GEDCOM-DATE
시각POSIX·TAI·GPS 타임스탬프
경과 시간DURATION-SECONDS, DURATION-NANOSECONDS
  • GREGORIAN-DATE로 쓸 수 있는 날짜는 EDTF로 쓰지 않는다.
  • 나노초 타임스탬프와 TAI·GPS 형식은 각 표준 단체 Issuer(IEEE, BIPM, GPS) 아래의 형식이다.

text

TEXT 계열은 텍스트와 문자열 식별자 형식이다. 직접 코드 0x072L~0x07AL에 둔다.

  • 언어가 없는 문자열은 UTF8-TEXT, 이름·제목·문장처럼 언어가 있는 텍스트는 UTF8-LANGUAGE-TEXT다.
  • 언어 코드(LANGUAGE-SHORT-CODE, LANGUAGE-BCP47-CODE)도 TEXT 계열이다.
  • 가변 길이 바이트열은 짝수·홀수 Codec 쌍으로 둔다. 최하위 비트가 1이면 바이트 수가 홀수이고 마지막 WORD의 하위 바이트는 0x00 패딩이다(레코드와 TAG WORD).

binary

BINARY 계열은 바이트열 형식이다. 직접 코드 0x07BL~0x080L에 둔다.

  • UUID, SHA-256, SHA-1, 불명 바이트열(OPAQUE-BYTES), 비트 벡터(BIT-VECTOR)는 직접 코드다. 나머지 다이제스트, CRC32C, IPv4·IPv6·MAC 주소는 Issuer 형식이다.
  • 고정 크기 값(UUID, 다이제스트, 주소)은 크기가 정해져 있어 짝수·홀수 쌍을 두지 않는다.
  • 이미지·영상 같은 공개 미디어는 IANA Issuer(0x00000008)의 형식으로 둔다. 코덱 번호는 짝수·홀수 쌍으로 배정하고 Payload는 바이트열이다. Length 상한은 2^32−1 WORD다. 큰 값은 직접 넣기보다 URI와 SHA-256으로 참조하기를 권장한다.
  • 바이트열 안의 저작물은 원래 라이선스를 따른다. 출처와 라이선스는 Meta로 기록한다.

vector

벡터 형식은 NUMERIC 계열의 Issuer 형식이다. 정수·실수 밀집 벡터와 점·경계 상자는 ADHOC(0x00000002) 코덱 번호 0x00000500~0x0000050C, 픽셀 형식은 KHRONOS(0x0000000E) 아래에 둔다.

  • 밀집 벡터의 원소는 big-endian으로 연속해 저장한다.
  • Issuer 형식이라 Codec 확장 TAG에 Issuer 2 WORD와 코덱 번호 2 WORD가 붙는다.

tensor

텐서 형식은 NUMERIC 계열의 Issuer 형식이다. ADHOC(0x00000002) 코덱 번호 0x00000600~0x00000601에 둔다.

  • DESCRIBED-DENSE-TENSOR는 원소 형식·rank·shape와 C-contiguous dense payload를 담는다.
  • DESCRIBED-PACKED-TENSOR는 packed 형식·rank·shape와 octet 안 low-bit-first packed payload를 담는다.

etc

기타 수 형식은 NUMERIC 계열의 Issuer 형식이다. ADHOC(0x00000002) 코덱 번호 0x00000700~0x00000704에 둔다.

  • 복소수(COMPLEX64, COMPLEX128), 정규화한 분수(RATIONAL-I64), binary64 닫힌 구간, binary32 사원수가 있다.

텍스트

언어가 있는 텍스트와 없는 텍스트는 다른 값이다. “Paris”(문자열)와 “Paris”(프랑스어)는 같지 않다.

형식쓰는 곳
UTF8-TEXT식별자, 코드, 파일 이름, 외부 ID처럼 언어가 없는 문자열
UTF8-LANGUAGE-TEXT이름, 제목, 문장처럼 언어가 있는 텍스트
UTF8-LANGUAGE-TEXT
TAG WORD          0000 0111 100P LLLL   (P = 텍스트가 홀수 바이트)
[Length 확장 TAG]
언어              LANGUAGE-SHORT-CODE 또는 LANGUAGE-BCP47-CODE 레코드
텍스트            UTF-8 바이트 (홀수면 마지막 0x00)
  • 텍스트는 well-formed UTF-8이며 원문 그대로 보존한다. 정규화는 비교·색인하는 쪽이 맡는다.
  • 여러 언어에 공통인 이름은 언어 mul, 언어 미정은 und로 쓴다. 언어 내용이 없는 문자열은 UTF8-TEXT다.

예: "Douglas Adams"@en (13 바이트, 홀수)

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

10진수와 수량

정확한 10진수는 C × 10^E로 쓴다. 지수 E는 32비트, 계수 C는 최소 WORD 2의 보수다. 원래 표기의 자릿수를 그대로 담는다: 1.20은 C=120, E=−2, 1.2는 C=12, E=−1이다. 두 표기는 같은 수를 나타내지만 바이트가 다른 별개의 레코드다. 인코더는 표기를 임의로 정규화하지 않는다. 두 레코드의 값 동등성과 quantum(유효숫자)의 의미는 열린 문제다(SIGNED-DECIMAL).

QUANTITY는 양과 단위, 경계를 하나의 값으로 담는다.

TAG WORD          0000 0110 0110 LLLL
[Length 확장 TAG]
양                수치 Value 레코드 (정수·BINARY-FLOAT·10진수·분수)
단위              Reference 레코드 (단위 항목), 무단위면 0x0000
하한              수치 Value 레코드, 생략하면 0x0000 ABSENT
상한              수치 Value 레코드, 생략하면 0x0000 ABSENT
  • 단위는 값의 일부다. 단위를 떼어 다른 곳에 적지 않는다(떼면 652가 km인지 m인지 알 수 없다).
  • SI 단위로 환산한 값은 담지 않는다. 단위와 환산표에서 계산할 수 있다.
  • 0x0000은 선택 필드를 생략했다는 표지 ABSENT다(Codec 규격 문서).

예: 652 km, 범위 [651, 653] (km = 위키데이터 Q828224)

066E 0011                    TAG (확장 길이 17 WORD)
0683 0000 0000 028C          양 652
0142 000C A340               단위 Q828224
0683 0000 0000 028B          하한 651
0683 0000 0000 028D          상한 653

날짜

정밀도형식
날짜(그레고리력)GREGORIAN-DATE
연·월, 불확실(1971~), 구간EDTF
다른 달력의 원본 표기(율리우스력 등)GEDCOM-DATE
시각POSIX·TAI·GPS 타임스탬프
  • GREGORIAN-DATE로 쓸 수 있는 날짜는 EDTF로 쓰지 않는다.

열린 문제

  • 공개 미디어 형식(JPEG, PNG, MP4, MOV 등)은 IANA Issuer(0x00000008)의 코덱 번호로 둔다. 미디어 타입과 코덱 번호의 대응표 관리 방식.
  • Value 직접 코드의 최종 목록. 법령·업무 대화 표본의 Value 빈도를 측정해 정한다(금액, 백분율, 날짜 구간 후보).
  • 작은 스칼라 7개(ADHOC BFLOAT16, ONNX FP8 4종, OCP FP8-E8M0FNU·FP4-E2M1FN)의 상세 규격과 배치. 직접 코드로 옮길지 정하지 않았다. 지금은 코덱 번호만 배정되어 있다.