Os dados GEUL são uma sequência de registros. Todo registro começa com um TAG WORD.

Layout do registro

TAG WORD (16 bits)
┌──────────┬──────────┬──────────┬──────────┐
│  Prefix  │   Kind   │  Class   │  Length  │
│   3bit   │   4bit   │   5bit   │   4bit   │
│   000    │   KKKK   │  CCCCC   │   LLLL   │
└──────────┴──────────┴──────────┴──────────┘
[TAG de extensão de Length]
[TAG de extensão de Codec]
[TAG específica do Codec]
Payload
  • O TAG WORD é 000K KKKC CCCC LLLL. Os 4 bits superiores KKKK são a seção S = w >> 9, e uma seção tem 32 posições. C é o deslocamento de 5 bits dentro da seção, (w >> 4) & 0x1F.
  • O TAG ID é escrito como 0x000L. Os três primeiros dígitos são a posição de Codec de 9 bits (w >> 4) que combina a seção e C, e L é a posição de Length. No valor real do WORD, escreve-se um número na posição L (por exemplo, TRIPLE é 0x0AAL, e o TAG WORD de um TRIPLE de 10 WORD é 0x0AA9).
  • As TAGs de extensão são colocadas apenas na ordem acima. A TAG de extensão de Length vem sempre imediatamente depois do TAG WORD.
  • A composição da TAG específica do Codec e do Payload é definida pela especificação de cada Codec. O comprimento da TAG específica do Codec não é escrito no TAG WORD, pois para interpretar o Payload o codebook é necessário de qualquer forma.
  • Um Codec com subformatos especifica o subformato com 1 WORD de TAG específica do Codec (Edge WORLD etc.).

Ordem dos bytes

  • A serialização canônica é big-endian.
  • Os campos de bits são dispostos a partir do bit mais significativo.
  • Dentro de um WORD escreve-se primeiro o byte superior e, em valores de vários WORDs, primeiro o WORD superior.
  • A representação em memória é livremente definida pela implementação.

Kind (intervalo de seções)

SeçãoKindTAG IDDefinição
0~2Reference0x000L~0x05FLAponta um objeto. Identifica o objeto pelo Codec e pelo ID do objeto
3·4Value0x060L~0x09FLContém o próprio valor. O Codec determina a interpretação do Payload
5~13Edge0x0A0L~0x1BFLAgrupa outros registros como componentes. O Codec determina o papel e a ordem dos componentes
14·15Meta0x1C0L~0x1FFLFala sobre o documento e os registros
  • O Kind é determinado por um único intervalo de seções: w < 0x0600 Reference, w < 0x0A00 Value, w < 0x1C00 Edge, o restante Meta. Não há exceções.

  • O Kind é uma propriedade imutável do Codec. Um Codec, uma vez atribuído, não muda de Kind.

  • Value e Edge têm o mesmo formato «Codec + Payload». Apenas o Edge tem outros registros como componentes.

  • Reference divide em tabelas de código os marcadores, os ponteiros, o sistema 5Q e REFERENCE-ISSUER. A quantificação está no código do sistema. A quantificação de REFERENCE-ISSUER é definida pelo documento do Issuer (Reference).

Length (4 bits)

Length é o número total de WORDs que o registro ocupa. Inclui o TAG WORD, as TAGs de extensão, o Payload e o preenchimento do último WORD.

ValorSignificado
0000~11011~14 WORD (valor + 1)
1110Comprimento estendido 1: o número total de WORDs no 1 WORD seguinte (15~65.535)
1111Comprimento estendido 2: o número total de WORDs nos 2 WORD seguintes (65.536~2³²−1)
  • De 1 a 14 WORD, deve-se sempre escrever o comprimento diretamente. Uma notação mais larga não é a forma canônica.
  • O número total de WORDs do comprimento estendido inclui a própria TAG de extensão de Length.
  • Não há registros maiores que 2³²−1 WORD.
  • Um registro de 1 WORD é apenas o TAG WORD, sem Payload. Só se usa quando a especificação do Codec permite (por exemplo, Meta BODY, END, sequência de bytes vazia, marcador de posição).
  • Mesmo sem o codebook, é possível saltar registros com posição do próximo registro = início do registro atual + Length.

Codec (seção e C, 9 bits)

TAG IDNomeSignificado
Início de cada zona de KindCódigo diretoO Codec é determinado apenas pelo TAG WORD
0x05DL, 0x09DL, 0x1BDLREFERENCE-ISSUER-2WORD, VALUE-ISSUER-2WORD, EDGE-ISSUER-2WORDIssuer de 2 WORD e número de Codec de 2 WORD na TAG de extensão de Codec
0x05EL, 0x09EL, 0x1BELREFERENCE-ISSUER-4WORD, VALUE-ISSUER-4WORD, EDGE-ISSUER-4WORDIssuer de 4 WORD e número de Codec de 2 WORD na TAG de extensão de Codec
0x05FL, 0x09FL, 0x1BFLREFERENCE-ISSUER-16WORD, VALUE-ISSUER-16WORD, EDGE-ISSUER-16WORDIssuer de 16 WORD e número de Codec de 2 WORD na TAG de extensão de Codec
  • As três últimas posições de cada zona de Kind são ISSUER. A largura do Issuer são os 2 bits inferiores de C (01 2 WORD, 10 4 WORD, 11 16 WORD). Meta não tem formato Issuer.
  • O C do código direto é independente em cada seção. Mesmo com o mesmo valor de C, seções diferentes são Codecs diferentes. O Codec ID de um código direto é o TAG WORD inteiro (L=0), e por isso contém o Kind.
  • O número de Codec de Issuer é um único espaço por Issuer, independentemente do Kind. O Issuer o atribui de modo que não se repita dentro do seu codecs/ (endereço de publicação e lista de versões).
  • Um Codec que não é código direto é um par (Issuer, número de Codec). O número de Codec é definido por esse Issuer (Issuer e publicação). Formatos de extensão ficam sob o Issuer do organismo que os normalizou.
  • Um Codec que tem código direto não é registrado separadamente como formato de Issuer.
  • Os formatos de Issuer existem em Reference, Value e Edge. Meta é uma especificação comum definida apenas pelo GEUL.
  • A seção do código direto de Edge (w >> 9) é a família. Nos códigos diretos de Value e em Meta, a família e a classe não são expressas em bits. O significado do número de Codec é definido pelo Issuer.
  • Códigos diretos não podem ser recuperados. Apenas formatos de frequência confirmada ficam em código direto.

Registro de formato Issuer

TAG WORD          código ISSUER (as três últimas posições de cada zona de Kind)
[TAG de extensão de Length]
Issuer            2/4/16 WORD (o Codec determina a largura)
número de Codec   2 WORD. Definido pelo Issuer
Payload           Determinado pelo documento de Codec emitido pelo Issuer
  • O layout é o mesmo para os três Kinds. Se os números não bastarem, obtém-se mais um Issuer.
  • O Payload de Edge (EDGE-ISSUER) começa com o Edge Id, como os demais Edges. Assim, a ordem é TAG, Issuer, número de Codec, Edge Id e o restante do Payload.
  • Um decodificador que não conhece o formato sabe até o Issuer e o número de Codec e salta pelo Length.

Sequência de bytes de comprimento variável

Para valores cujo comprimento é em bytes, como texto, URI, tag de idioma e sequência de bytes desconhecida, atribui-se o Codec (ou o número de Codec) em pares par/ímpar.

  • Se o bit menos significativo do Codec (para código direto, o bit menos significativo de C) é 0, o número de bytes é par; se é 1, é ímpar.
  • Número de bytes = 2 × número de WORDs do Payload − bit menos significativo. Não há campo Byte Count.
  • Se for ímpar, o byte inferior do último WORD é preenchimento 0x00. Se não for 0x00, rejeita-se.
  • Uma sequência de bytes vazia é um registro de 1 WORD (apenas o TAG WORD) do Codec par.
  • Valores de tamanho fixo, como UUID, digest e endereço, não têm par.

Exemplo: ler um TAG WORD

Vamos ler 0AA9.

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

Este registro é um Edge de 10 WORD e o Codec é TRIPLE. Mesmo sem o codebook, sabe-se que o próximo registro está 10 WORD adiante.

Marcadores de posição

Os TAG WORD 0x0000, 0x0010 e 0x0020 são registros de 1 WORD de marcadores de posição de Reference. Não apontam um objeto, apenas preenchem a posição de um campo do registro (marcadores de posição).

0x0000, 0x0010, 0x0020 = 0000 0000 00CC 0000
                         Prefix 000, seção 0(Reference), C 0~2, LLLL 0000(1 WORD)
WORDNomeSignificadoSobre o que falaLógicaPressuposto de mundoWikidata
0x0000ABSENTNão escritoO documento: esta posição não foi preenchidaSem asserçãoMundo abertosem snak
0x0010UNKNOWN-VALUEDesconhecidoO mundo: há um valor. Não se sabe qual∃x. P(s, x)Existência fechada, identidade abertasomevalue
0x0020NO-VALUEInexistenteO mundo: não há valor¬∃x. P(s, x)Fechado para (s, P, condição de qualificação)novalue
  • Exemplo: se os filhos (P40) são ABSENT, não se sabe quantos são; se UNKNOWN-VALUE, são um ou mais; se NO-VALUE, são zero. Se o instante de término (P582) é ABSENT, não se sabe se ainda é válido; se UNKNOWN-VALUE, terminou mas não se sabe quando; se NO-VALUE, não terminou.
  • O marcador só é válido se a lista de CODEC do campo tiver esse WORD exatamente. É invalid em curingas, em campos sem CODEC, nas posições de registro de HEAD e BODY e na posição do Edge Id (CODEC).
  • Obrigações de quem lê:
    1. UNKNOWN-VALUE não é um valor, mas uma asserção de existência. Não é igual nem diferente de nenhum valor, e dois UNKNOWN-VALUE também não são vistos como o mesmo valor. Um TRIPLE que contém UNKNOWN-VALUE não é mesclado como duplicado.
    2. NO-VALUE fecha-se dentro da condição de qualificação dessa proposição. Se coexistir com um TRIPLE de valor de mesmo Subject, Predicate e rank sem condição de qualificação distinguível, é uma contradição, e o verificador avisa (não rejeita).
    3. O rank se aplica igualmente. Ao escolher o valor representativo (truthy), os TRIPLEs dos dois marcadores também são candidatos.
    4. Quando usado como valor de QUALIFIER, muda o sentido dessa qualificação (P582 = UNKNOWN: terminou, instante desconhecido. P582 = NONE: não terminou).
    5. ABSENT não diz nada sobre o mundo. Um valor que não foi possível transferir não é escrito como UNKNOWN-VALUE.

Forma canônica

O mesmo conteúdo deve resultar nos mesmos bytes. Só assim o hash de conteúdo e a assinatura ficam determinados de forma única.

  • O comprimento usa a notação mais curta (de 1 a 14 WORD, comprimento direto).
  • Inteiros são escritos com a menor largura. Segue-se a forma canônica definida pela especificação de cada Codec.
  • Registros que não estão na forma canônica são rejeitados.
  • Exceção: o L=1111 do WORD de destino de CODEC considera apenas a seção KKKK, independentemente do valor de C. Recomenda-se a primeira posição da seção (C = 0), e outro C da mesma seção não é rejeitado.