什么是“稀疏文件”("sparse file")，可以识别它们吗？

环境

红帽企业版Linux 5、6和7

问题

文件的ls和df之间的文件大小不一致。

该文件报告较大（128Gb），但文件系统甚至没有那么大。这怎么可能？

决议

有问题的文件可能是稀疏文件。
稀疏文件是指其元数据报告一个大小的文件，但是文件的实际数据消耗的大小不同。
稀疏文件是有效使用磁盘空间的常用方法。

您可以使用ls -lsh命令查看稀疏文件。这提供了两个大小列：

第一列是实际使用的磁盘空间。该文件实际上消耗了12Gb的空间。
第二个大小列提供文件元数据的大小。该文件的元数据报告它是24Gb文件。

稀疏文件的使用

要复制稀疏文件，必须使用能够识别稀疏文件的命令。

    cp --sparse=always /source/filename /destination/filename
    dd if=/source/filename of=/destination/filename conv=sparse
    rsync -S /source/filename root@hostname:/destination/filename

使用scp实用程序复制文件将导致“非稀疏”文件扩展为完整大小。

根本原因

在稀疏文件中，与那些区域保存非零数据时相比，文件全为0x00的部分被压缩以占用更少的空间。

诊断步骤

可以使用truncate命令轻松创建稀疏文件：

# truncate --size=1G sparsefile.bin

我们可以使用ls -lsh查看稀疏文件的大小：

# ls -lsh sparsefile.bin 
0 -rw-r--r-- 1 root root 1.0G Nov 6 09:00 sparsefile.bin

该文件占用0字节的空间，但是其元数据报告文件大小为1Gb。

我们可以将1Mb写入该文件：

# for i in {1..1048576}; do echo -n "a" >> sparsefile.bin; done

然后再次检查其大小：

 # ls -lsh sparsefile.bin 
1.0M -rw-r--r-- 1 root root 1.1G Nov 6 09:01 sparsefile.bin

该文件现在消耗了1Mb的实际空间，但是元数据报告的使用量为1.1Gb。元数据的轻微增长是由于分配了文件系统块来存储文件的数据。

将此文件与相同大小的完全分配的文件进行比较：

 # dd if=/dev/zero of=fullfile.bin bs=1M count=1024 conv=fsync 
# ls -lsh fullfile.bin 
1.1G -rw-r--r-- 1 root root 1.0G Nov 6 09:05 fullfile.bin

该文件实际消耗了1Gb以上的空间，其元数据报告的文件大小也为1Gb。

我们可以使用stat命令从这两个文件中获取更多信息：

在上方，我们看到稀疏文件比完整文件消耗更少的文件系统块。

我们可以使用filefrag命令收集文件系统分配信息：

# filefrag sparsefile.bin 
sparsefile.bin: 1 extent found 

# filefrag fullfile.bin 
fullfile.bin: 29 extents found

上面我们可以看到，稀疏文件已在一个较小的范围内分配，而完整文件已在多个范围内分配。

可以使用以下基本示例在C中创造稀疏文件：

#include <stdio.h>

int main() {
    FILE *fp;

    fp = fopen("hello.txt", "w+");
    fseek(fp, 1048576, SEEK_CUR);
    fputs("Hello
", fp);
    fclose(fp);

    return 0;
}

这将创建一个1 MB的文件，放入“ Hello”写入其中。在strace系统调用跟踪器下运行以上命令显示：

我们可以看到我们的文件是稀疏创建的，它报告的大小为1Mb，但仅消耗一个4kb的文件系统块：