데이터 용량 변환기

컴퓨터는 글자를 그대로 저장하지 않고 UTF-8이라는 인코딩 규칙으로 바이트열로 바꿔 저장한다. UTF-8은 가변 길이 인코딩이어서 문자마다 차지하는 바이트 수가 다르다. 영어 알파벳·숫자·공백 같은 아스키(ASCII) 문자는 1바이트씩 차지하지만, 한글 완성형 음절(가~힣)은 코드 영역이 아스키 범위를 훨씬 벗어나 있어 UTF-8로 인코딩하면 한 글자당 3바이트를 차지한다. 계산 과정을 그대로 따라가 보자. 한글 1,000자짜리 문서라면 1,000 × 3 = 3,000바이트다. 이를 2진 단위인 키비바이트(KiB, 1,024바이트)로 바꾸면 3,000 ÷ 1,024 ≈ 2.93 KiB다. 같은 1,000자를 영문으로 썼다면 1,000 × 1 = 1,000바이트로 끝난다. 글자 수는 똑같은데 저장 용량은 한글 쪽이 3배 더 큰 셈이다. 블로그 글이나 문서를 한국어와 영어로 나란히 쓸 때 한국어 버전 파일이 더 무겁게 느껴진다면 이 3배 차이가 주된 이유다. 게시판·댓글처럼 사용자가 직접 입력하는 텍스트가 많은 한국어 서비스라면, 같은 글자 수 기준을 영어권 서비스에 그대로 적용해 데이터베이스 용량이나 전송량을 어림잡으면 실제보다 낮게 잡히기 쉽다는 점도 함께 기억해 둘 만하다.

데이터의 가장 작은 단위는 0 또는 1 하나를 나타내는 비트(bit)다. 비트 4개를 묶으면 니블(nibble)이 되는데, 4비트로 0~15까지 16가지 값을 표현할 수 있어 16진수 숫자 한 자리(0~9, A~F)와 정확히 대응한다. 니블 2개, 즉 비트 8개를 묶은 것이 바이트(byte)이며, 오늘날 사실상 모든 컴퓨터와 통신 규격이 1바이트 = 8비트를 표준으로 쓴다. 다만 이 8비트 표준이 처음부터 당연했던 것은 아니다. 초기 컴퓨터 중에는 바이트 폭이 기종마다 다르게 설계된 경우가 있었다고 알려져 있으며, 지금의 8비트 바이트는 이후 산업 전반에서 통일된 관례로 자리잡은 결과다. 바이트보다 큰 단위인 워드(word)는 CPU가 한 번에 처리하는 데이터 폭을 가리키는데, 이 값은 고정돼 있지 않고 프로세서 설계에 따라 32비트(4바이트)·64비트(8바이트) 등으로 갈린다.

탐색기에 표시되는 “파일 크기”와 그 파일이 디스크에서 실제로 차지하는 공간(“디스크 할당 크기”)은 다른 값이다. 파일 시스템은 디스크 공간을 바이트 단위로 잘게 나눠주지 않고, 클러스터(또는 할당 단위)라는 일정한 블록 단위로 묶어서 배정한다. 그래서 1바이트짜리 텍스트 파일이라도 클러스터 하나를 통째로 차지하며, 나머지 공간은 그 파일이 쓰지 않아도 다른 파일에 내주지 못한 채 비어 있게 된다. 흔히 쓰이는 클러스터 크기는 4KB 안팎으로 알려져 있지만, 이는 파일 시스템 종류와 포맷 시점의 설정에 따라 달라지므로 특정 값을 고정된 사실로 단정하기는 어렵다. 이 낭비(“슬랙 공간”이라 부른다)는 파일 하나하나는 작아도 개수가 수만 개로 늘어나면 무시하기 어려운 크기로 누적될 수 있다. 예를 들어 아이콘·설정 파일처럼 몇 바이트짜리 자잘한 파일 수만 개를 다루는 프로젝트 폴더는, 파일 크기를 전부 더한 값과 실제로 디스크에서 차지하는 용량이 눈에 띄게 벌어지는 경우가 흔하다.

이 계산기가 다루는 접두어를 표로 정리하면 다음과 같다. 10진(SI): 1 KB = 10^3 B, 1 MB = 10^6 B, 1 GB = 10^9 B, 1 TB = 10^12 B. 2진(IEC): 1 KiB = 2^10 B, 1 MiB = 2^20 B, 1 GiB = 2^30 B, 1 TiB = 2^40 B. 두 체계가 왜 갈라졌는지, “1TB 저장장치가 왜 931GB로 표시되는지” 같은 배경 설명은 이 사이트의 파일 전송 시간 계산기에서 자세히 다루므로 여기서는 표로만 정리한다.

압축 프로그램은 파일 안에 반복되거나 예측 가능한 패턴(중복성)을 찾아내 더 짧은 표현으로 바꾸는 방식으로 크기를 줄인다. 일반 텍스트 문서는 같은 단어·조사·공백이 자주 반복되고 특정 글자의 등장 빈도가 한쪽으로 치우쳐 있어 이런 중복성이 풍부하며, 그래서 무손실 압축으로 크기를 크게 줄일 수 있는 여지가 많다. 반면 JPEG 이미지나 MP4 동영상 같은 형식은 파일 포맷 자체에 압축이 내장돼 있어서, 저장되는 시점에 이미 중복성 대부분이 제거된 상태다. 이런 파일을 ZIP 같은 범용 압축기로 다시 한 번 압축해도 더 짜낼 중복성이 거의 남아있지 않아 크기가 거의 줄지 않으며, 압축 알고리즘이 붙이는 부가 정보 때문에 오히려 아주 조금 커지는 경우도 있다.

이 페이지가 쓰는 단위 정의 — 비트·바이트의 8:1 비율, SI 10진 접두어, IEC 2진 접두어, UTF-8 인코딩에서 한글 음절이 3바이트를 차지한다는 규칙 — 은 모두 국제 표준으로 고정돼 있어 시간이 지나도 바뀌지 않는다. 이 페이지에 실린 계산 예시와 수치는 2026년 기준으로 검증해 작성했다. 출처: 유니코드 컨소시엄의 UTF-8 인코딩 규격, 국제전기기술위원회(IEC)의 2진 접두어(키비·메비·기비 등) 정의.