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.
| 계열 | 직접 코드 |
|---|---|
| NUMERIC | 0x060L~0x067L |
| DECIMAL | 0x068L~0x069L |
| TIME | 0x06AL~0x071L, 0x081L |
| TEXT | 0x072L~0x07AL |
| BINARY | 0x07BL~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
| Codec | 이름 | 계열 | 설명 |
|---|---|---|---|
0x060L | BOOL | NUMERIC | false 또는 true |
0x061L | SIGNED-INTEGER | NUMERIC | 최소 WORD 2의 보수 정수 |
0x062L | UNSIGNED-INTEGER | NUMERIC | 최소 WORD 부호 없는 정수 |
0x063L | BINARY-FLOAT | NUMERIC | IEEE 754 binary16/32/64/128 |
0x064L | COORDINATE-EARTH | NUMERIC | 지구(WGS 84) 위도·경도와 불확도(단위 Reference) |
0x065L | COORDINATE-GEO | NUMERIC | 천체 Reference와 위도·경도, 불확도(단위 Reference) |
0x066L | QUANTITY | NUMERIC | 수치 양(정수·BINARY-FLOAT·10진수·분수), 단위 Reference, 하한·상한 |
0x067L | FRACTION | NUMERIC | 표기를 보존하는 분수(분자·분모 레코드, 약분하지 않음) |
0x068L | SIGNED-DECIMAL | DECIMAL | C × 10^E, 부호 있는 계수 |
0x069L | UNSIGNED-DECIMAL | DECIMAL | C × 10^E, 부호 없는 계수 |
0x06AL | GREGORIAN-DATE | TIME | 1970-01-01부터의 날짜 수 (그레고리력) |
0x06BL | CIVIL-TIME-NANOSECONDS | TIME | 자정부터의 나노초 |
0x06CL | POSIX-TIMESTAMP-SECONDS | TIME | Unix epoch부터의 초 |
0x06DL | DURATION-SECONDS | TIME | 경과 시간(초) |
0x06EL/0x06FL | EDTF | TIME | ISO 8601-2 확장 날짜 문자열 (연·월 정밀도, 불확실, 구간) |
0x070L/0x071L | GEDCOM-DATE | TIME | GEDCOM 7 날짜 문자열 (율리우스력 등 다른 달력) |
0x072L/0x073L | UTF8-TEXT | TEXT | 언어가 없는 UTF-8 문자열 |
0x074L/0x075L | URI | TEXT | RFC 3986 URI |
0x076L/0x077L | LANGUAGE-BCP47-CODE | TEXT | BCP 47 언어 태그 |
0x078L/0x079L | UTF8-LANGUAGE-TEXT | TEXT | 언어가 붙은 텍스트 |
0x07AL | LANGUAGE-SHORT-CODE | TEXT | 1 WORD 압축 언어 코드 |
0x07BL | UUID | BINARY | RFC 9562 UUID |
0x07CL | SHA-256-DIGEST | BINARY | SHA-256 결과 |
0x07DL | SHA1-DIGEST | BINARY | SHA-1 결과 (git 객체 ID 같은 식별 용도) |
0x07EL/0x07FL | OPAQUE-BYTES | BINARY | 의미·형식 불명의 바이트열. 짝수·홀수 바이트 |
0x080L | BIT-VECTOR | BINARY | bit-count 뒤에 MSB-first로 저장한 N bit |
0x081L | DURATION-NANOSECONDS | TIME | 경과 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 Reserved이고0x09DL~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.
| Issuer | 형식 예 |
|---|---|
ADHOC 0x00000002 | BFLOAT16, 정수·실수 벡터, 텐서, 복소수, 분수, 구간, 사원수, BLAKE3 |
IETF 0x00000007 | 상대 URI, CRC32C, IPv4·IPv6 주소 |
IEEE 0x0000000D | IEEE 754 decimal32/64/128, POSIX 나노초 타임스탬프, MAC 주소 |
KHRONOS 0x0000000E | RGBA8·BGRA8 픽셀 |
ONNX 0x00000010, OCP 0x00000011 | FP8, FP4 |
BIPM 0x00000013 | TAI 타임스탬프 |
NIST 0x00000015 | SHA-512, SHA3-256 |
GPS 0x00000016 | GPS 타임스탬프 |
- 형식을 모르는 디코더는 Issuer와 코덱 번호까지 알고 Length로 건너뛴다.
- 코덱 문서는 그 Issuer의
codecs/아래에 레코드의 코덱 번호로 둔다. 예: IETF CRC32C는0x00000007/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.
| 묶음 | 계열 | 형식 |
|---|---|---|
| numeric | NUMERIC | BOOL, 정수, 부동소수, 좌표, QUANTITY, FRACTION |
| decimal | DECIMAL | SIGNED-DECIMAL, UNSIGNED-DECIMAL, IEEE 754 decimal32/64/128 |
| time | TIME | 날짜, 시각, 타임스탬프, 경과 시간, EDTF, GEDCOM 날짜 |
| text | TEXT | UTF-8 텍스트, 언어가 붙은 텍스트, URI, 언어 코드 |
| binary | BINARY | UUID, 다이제스트, CRC, 네트워크 주소, 불명 바이트열, 비트 벡터 |
| vector | NUMERIC | 정수·실수 밀집 벡터, 점·경계 상자, RGBA·BGRA 픽셀 |
| tensor | NUMERIC | 형식·rank·shape를 붙인 dense·packed 텐서 |
| etc | NUMERIC | 복소수, 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)과1.2(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.
| 정밀도 | 형식 |
|---|---|
| 날짜(그레고리력) | GREGORIAN-DATE |
| 연·월, 불확실, 구간 | EDTF |
| 다른 달력의 원본 표기(율리우스력 등) | GEDCOM-DATE |
| 시각 | POSIX·TAI·GPS 타임스탬프 |
| 경과 시간 | DURATION-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 바이트는0x00패딩이다(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.
| 형식 | 쓰는 곳 |
|---|---|
| UTF8-TEXT | 식별자, 코드, 파일 이름, 외부 ID처럼 언어가 없는 문자열 |
| UTF8-LANGUAGE-TEXT | 이름, 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 미정은und로 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
| 정밀도 | 형식 |
|---|---|
| 날짜(그레고리력) | GREGORIAN-DATE |
연·월, 불확실(1971~), 구간 | EDTF |
| 다른 달력의 원본 표기(율리우스력 등) | GEDCOM-DATE |
| 시각 | POSIX·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.