文件

文件元信息

在 UNIX 和类 UNIX 操作系统中，inode（索引节点）用于存储文件的元数据，它包含了关于该文件的大部分元数据，但不包括文件名和文件实际内容。

inode 中包含如下信息：

• 文件类型：文件是普通文件、目录还是链接文件等。
• 权限：文件的访问控制信息，如用户、组和其他用户的读、写、执行权限。
• 所有者：文件的所有者和组 ID。
• 大小：文件的大小（字节数）。
• 时间戳：文件的创建时间、最后修改时间和最后访问时间。
• 链接计数：指向该文件的硬链接数量。当计数为 0 时，文件会被删除。
• 数据块指针：文件内容所在的数据块（block）的位置信息。这包括直接指针、间接指针、二级间接指针和三级间接指针，用于指向存储文件内容的磁盘块。

进程文件管理

在进程中可能会打开若干文件，操作系统需要以某种方式对进程打开的文件信息进行记录。这就需要用到三个数据结构：文件描述符表、文件表、inode 表。

• 文件描述符表（File Descriptor Table）：每个进程都有自己的文件描述符表，这个表对应于该进程打开的文件描述符。文件描述符是进程范围内的一个小的非负整数。
• 文件表（File Table）：操作系统维护一个全局的文件表，该表记录了所有打开文件的状态信息。每次 open 调用成功时，都会创建一个新的文件表条目。
• INode 表（INode Table）：系统还维护了一个 inode 表，该表包含了文件的元数据和指向文件实际数据的指针。如果多个进程打开同一个文件，它们的文件表条目将指向 inode 表中的同一 inode。

在进程 1 中执行fdA1 = open("fileA.txt", O_RDONLY)和fdAdup = dup(fdA)系统调用，在进程 2 中执行fdA2 = open("fileA.txt", O_RDONLY)，系统中的数据结构如下图所示：

文件的逻辑结构

1. 顺序文件：
   • 记录顺序：顺序文件中的数据以记录的顺序排列。每个记录都按顺序存储在文件中，一个接一个。
   • 访问方式：顺序文件通常按照记录的顺序进行访问。要查找或修改文件中的某个记录，必须从文件的开头开始逐个读取记录，直到找到所需的记录或到达文件末尾。
   • 应用场景：适用于需要按顺序读取和处理数据的应用程序，如批处理任务和日志文件。
2. 随机文件：
   • 记录随机排列：在随机文件中，数据记录可以按任意顺序排列，而不需要按照特定的顺序。
   • 访问方式：随机文件支持随机访问，这意味着可以直接访问文件中的任何记录，而不必按照顺序逐个读取。
   • 存储结构：为了支持随机访问，随机文件通常使用链接结构或索引结构来跟踪记录的位置。
   • 应用场景：适用于需要快速查找和访问特定记录的应用程序，如数据库系统和文件系统。

文件的物理结构

文件的物理结构，也称为文件的存储结构，是指文件在物理存储介质（如硬盘、固态硬盘等）上的实际存储方式。

与文件的逻辑结构（用户看到的组织形式）不同，物理结构是操作系统层面如何管理文件数据的。

文件的物理结构包含以下几个种类：

• 连续结构
• 离散结构
  • 链接结构
    • 链式分配
    • FAT
  • 索引分配
  • 混合索引分配

连续分配方案

连续分配该方案中，每个文件占用磁盘上一个连续的块集。例如，如果一个文件需要 n 个块，并且给定一个块 b 作为起始位置，那么分配给该文件的块将是 b, b+1, b+2，……b+n-1。这意味着给定起始块地址和文件的长度，我们可以确定文件占用的块。具有连续分配的文件的目录条目包含分配部分的起始块长度的地址。

连续分配方案对应的目录包含如下信息：

• 文件的其实地址
• 分配块数量

下图中的文件 “file3” 从区块 19 开始，长度为 6 个区块。因此，它占用 19、20、21、22、23、24 个块。

• 优点：因为由于文件块的连续分配，查找的次数很少，访问速度非常快。
• 缺点：存在内部和外部碎片化的问题，使得内存利用效率低下。增加文件大小困难，因为它取决于特定实例中连续内存的可用性。

链式分配

在这个方案中，每个文件都是一个不需要连续的磁盘块链表。磁盘块可以分散在磁盘上的任何地方。目录项包含指向起始和结束文件块的指针。每个块包含一个指针，指向文件所占用的下一个块。

目录项包含指向起始和结束文件块的指针。每个块包含一个指针，指向文件所占用的下一个块。

下图中的文件 “file1” 显示了块是如何随机分布的。最后一个块(25)包含-1，表示空指针，不指向任何其他块。

• 优点：可以充分利用磁盘空间，不会遭遇到碎片的问题。
• 缺点：因为文件是在磁盘上随机分配的，所以访问一个文件的过程需要经历多次磁盘的检索，这使得文件读取的速度变慢。

文件分配表

基于链表的链接为隐式链接，每个磁盘块的末尾包含文件的下一个盘块号。

文件分配表 FAT 也是基于链接的方式，不过文件的链接方式是存储在一个表格当中，表格包含两列，一列是盘块号，另一列是在该文件盘块之后的下一个盘块号，这种方式也叫做显式链接。

索引分配

在索引分配中，一个文件所占用的所有盘块号被存储在另一个盘块中，这个盘块叫做叫做索引块。

假设一个文件的大小是 4MB，一个盘块的大小为 4KB，盘块编号的大小为 4B（32位）。 在这种情况下，文件需要用 1K 个盘块存储，索引块的内容如下图所示：

4KB 的盘块刚好可以存储下 1K 个盘块号作为索引，在读取文件时，操作系统先读取索引块，确定存储文件的所有盘块号，再去读取所有存储有文件数据的盘块，如下图所示：

上图给出的索引是一级索引，索引块的层级只有一层，索引块中直接存储数据块的盘块号。

在实践中还有多级索引，其思路与 多级页表 一致。一级索引块中存储的是二级索引块的盘块号，最后一级索引块中才存储有数据块的盘块号。

混合索引

N 级索引有一个显著的缺点，就是对于非常小的文件，比如大小只有两三个盘块的文件，仍然需要使用一个完整的索引块来存储这些数据块的盘块号，这样索引块中的很多空间都没有使用，这导致盘块利用率非常的低。

还有一种混合索引的方式，可以解决上述提到的缺点，这种方式针对小文件或者大文件进行不同的处理。如果文件比较小的话，使用直接块即可，如果文件比较大的话，可以使用单级或多级索引。

UNIX 系统采用的就是这种方式，文件的 inode 结构如下图所示：

其中 direct blocks 中存储的就是直接块的盘块号，如果文件的大小只有几个盘块，直接将数据块的盘块号存储在 direct blocks 中即可。

此外，混合索引中还包含不同层次的索引块。 single indirect 是一级索引，double indirect 是二级索引，triple indirect 是三级索引。 通过多级索引，可以尽量避免文件碎片的存在，增大磁盘块的利用率。