[现代操作系统笔记][第四章文件系统]

第四章 文件系统

4.1 文件

从用户角度来考察文件。用户如何使用文件，文件有那些特性。

4.1.1 文件命名

文件一种抽象机制，提供了一种在磁盘上保留信息而且以后方便读取的方法。

• 有的文件系统区分大小写，有的则不区分

  • Unix是前者，MS-DOS是后者

• FAT-16,FAT-32,NTFS。

  • FAT-16(File Allocation Table,文件配置表) : Windows 95
  • FAT-32 : Windows 98
  • NTFS(New Technology File System,新技术文件系统):之后所有Win系列的文件系统

4.1.2 文件结构

文件可以有很多构造方式，列出常用的三种方式。

• 字节序列

  • 操作系统所见的就是字节，任何含义只在用户程序中解释。
  • Unix和Winodws都是用这种方式。

• 记录序列

  • 读和写都是以记录为单位

  • 80列的穿孔卡片还是主流的时候。

    • 80个字符 = 一个记录。

  • 现在已经没有这种方式了。

• 树

  • 类似与map，key-value对，并利用平衡树来维护key值。
    • 以便能快速查找key值。
  • 在一些处理商业系统的大型计算机受到欢迎

4.1.3 文件类型

普通文件(regulr file):包含用户的信息

• ASCII文件

  • 由多行正文组成

    • Unix系统每行以换行符(/n)结束。
    • Win系统采用回车符(/r)和换行符(/n)。

  • 优势

    • 可以显示和打印，可以用文本编辑器编辑。
    • 作为其他程序的输入或输出。
• 二进制文件
  • 具有一定的内部结构，使用该文件的程序才了解这种结构。

---

目录(directory):管理文件系统结构的系统文件。

---

4.1.4 文件存取

• 顺序存取(sequential access)

  • 早期操作系统只有这一种方式。
    • 比如你要读adsadasdsaxdas中第7位，必须从头开始找到第7位。
    • 效率极低，但是适合磁带的工作方式。现在已被淘汰。

• 随机存取文件(random access file)

  • 能够以任何次序读取其中字节或记录的文件。
  • 两种方式指示从哪里读取文件。
    • 第一种:: read操作中给出开始读文件的位置。
    • 第二种 : 维护一个文件位置。利用seek设置。

4.1.5 文件属性

与文件相关的信息，如创建日期，大小等。这些信息称为文件属性(attribute)，有些人称之为元数据(metadata)。

• 前4个属性与文件保护相关。
• 标志位
• 时间字段
• 大小字段

4.1.6 文件操作

• creat

• delete

• open

  • 把文件属性和磁盘地址表装入内存。

• close

  • 关闭文件释放内部表空间。

• read

• write

• append

• seek

• get attributes

• set attributes

• rename

4.1.7 使用文件系统调用的示例程序。

完成了copyfile abc xyz的操作

4.2 目录

目录本身也是文件。

4.2.1 一级目录系统

目录系统最简单形式就是一个目录包含所有的文件。

• 诸如电话，数码相机以及一些便携式音乐播放器使用

4.2.2 层次目录系统

4.2.3 路径名

• 绝对路径

  • 一定以分隔符开头
    • WIN:
    • Unix:/
    • MULTICS: >

• 相对路径

  • 必须要和工作目录一起使用。
  • 几个特殊的符号
    • . : 当前目录
    • .. :上一层目录
    • ~ : Linux中自己用户的根目录
    • ~user: Linux中 user的根目录
    • - : Linux中上一次最近访问的目录

4.2.4 目录操作

• creat

• delete

• opendir

• closedir

• readdir

• rename

• link

  • 连接技术允许在多个目录出现同一文件。
  • 增加该文件的i节点计数器的个数(记录含有该文件的目录树目)。
  • 有时称为硬连接(hard link)。
    • 硬链接不占用磁盘空间
    • 硬链接只能作用于文件，不可跨越分区。
    • 硬链接和原来的文件没有什么区别，而且共享一个 inode 号。
    • 硬连接是完全平等的，都掌控的真实的，而不是一个快捷方式。

• unlink

  • 删除连接文件。
  • 在Unix中，用于删除文件的系统调用实际上就是unlink

• 符号连接 : 类似于快捷方式，又叫软连接

  • 可以跨越磁盘的界限
  • 速度较慢

4.3 文件系统的实现

实现者的角度考察文件。

4.3.1 文件系统布局

文件系统存放在磁盘上

• 多数磁盘被划分为一个或多个分区。

  • 每个分区都有独立的文件系统。

• 磁盘的0号扇区称为主引导记录(Master Boot Record,MBR),用来引导计算机。

• MBR的结尾是分区表。

  • 该表给出了每个分区的起始和结束地址。
  • 表中的一个分区被标记为活动分区。

---

在计算机被引导的时候

• BIOS读入并执行MBR。
• MBR做的第一件事是确定活动分区，读入它的第一个块，叫做引导块(boot block)，并执行之。
• 引导块中的程序将装载该分区中的操作系统。
  • 为了统一起见，所有分区的开始都是引导块，即使没有操作系统。

---

之后的磁盘分区的布局随着文件系统的不同而变化。以上是一个可能的布局。

• 第一个是超级块(superblokc)

  • 超级块包含文件系统的所有关键参数。

    • 确定文件类型用的魔数。
    • 文件系统数据块的数量。
    • 其他重要管理信息。

  • 计算机启动，或文件系统首次使用时，超级块被读入内存。

• 文件系统空闲块的信息。

  • 可以用位图或指针列表给出。

• 可能有 i节点

  • 是一个数据结构数组，每个文件一个。
  • i节点说明了文件的方方面面。

• 根目录

• 文件和目录

4.3.2 文件的实现

文件存储实现的关键问题

• 记录各个文件分别使用那些磁盘块

1.连续分配

跟malloc的动态存储分配是一模一样的模型。(但是malloc可以忽视这几个缺点)

优点:

• 实现简单

  • 只需记录文件的磁盘地址和文件的块数

• 读性能好

  • 只需一次查找，之后不需要寻道和旋转延迟。
  • 数据以磁盘全带宽的速率输入。

缺点:

• 外部碎片太多，需要维护一个空闲列表来存储文件。

  • 但是为了能在空闲列表中找到一个合适的块

    必须要知道文件最终的大小。

• 大多数时候对于文本文档不知道文件的最终大小，所以这是一个硬伤。

使用场景

• 存在这种情形，文件的大小都事先知道，后续使用中，也不会被改变

  CD-ROM文件系统。

• DVD的文件系统

多年前，连续分配由于其简单和高性能被实际用于在磁盘文件系统中，后来由于讨厌在文件创建时不得不指定最终文件的大小，这个想法被放弃了。但是随着CD-ROM,DVD以及其他一次性写光学介质的出现，突然间连续分配又成为了一个好主意。所以研究具有清晰和简洁概念的老式系统和思想是很重要的，因为它们有可能以一种令人吃惊的方式在未来系统中得到使用。

2.链表分配

优点:

• 充分利用了每个磁盘块。
• 也只需要存放首地址

缺点

• 随机读的复杂度是O(n)，太慢。
• 指针占去了一些字节，使得存储数据的字节数不再是2的整数次幂。

  • 程序都是以2的整数次幂来读写磁盘块，要读一个完整的块，可能要两个磁盘块拼接。

    使得速度变慢

3. 在内存中采用表的链表分配

---

取出每个磁盘的指针字，把它放到内存的一个表中。这个表叫做文件分配表(File Allocation Table,FAT).

优点:

• 解决上述链表的两个缺点。
  • 对于随机读写，因为在内存中，即使O(n)也是可以接受的。
  • 存储数据是2的整数次幂了。

缺点:

• 对于200GB的磁盘和1KB大小的块，这张表需要2亿项，每个表项4字节。

  这张表要占600到800MB的内存，不太实用

• 所以FAT对于大磁盘不适用

4. i结点

---

每个文件赋予一个称为i节点(index-node)的数据结构

• 其中列出文件属性和文件块的磁盘地址

优势

• 只有在文件打开的时候，i节点才载入内存。

  • 与磁盘总大小无关，只与打开的文件有关。

• 类似虚拟地址空间的多级页表的方式。

  

  • i节点里的地址就是一级页表。
  • 最底层的地址才是实际的磁盘地址。
  • 便于索引，节约空间，完美。

缺点:貌似没有

4.3.3 目录的实现

目录项

打开文件，操作系统利用用户给出的路径名找到相应目录项。

• 目录项提供了查找文件磁盘块所需要的信息。

  • 因系统而异
    • 有可能是磁盘地址+长度(对于连续分配)
    • 有可能是第一块的地址(对于链表来说)
    • i节点号

• 无论如何，目录系统的主要功能是把ASCII文件名映射成定位文件数据所需的信息。

文件属性

与此密切相关的问题是在何处存放文件属性。

• 一种显而易见的方法是把文件属性直接存放在目录项中。(对应于Windows)
• 对于采用i节点的系统，还可以把文件属性存到i节点中，而不是目录项中。

文件长度

现代操作系统都支持可变长度的长文件名，它们是如何实现的。

• 第一种，最简单的固定一个255字节的文件名，很浪费空间不考虑。

• 第二种，就是图4-15(a) ，被后面那种完爆就不提了。
• 第三种，利用堆来维护文件名。
  • 每个目录项自身都有固定长度。
  • 堆的维护跟 malloc的类似。
  • 缺点

    • 一个目录项可能会分布在多个页面里。

      因此处理文件名还是可能有页面故障。

查找文件名

• 利用哈希表

  • 我的老本行就不要介绍了。

• 利用高速缓存

4.3.4 共享文件

文件系统本身是一个有向无环图(DAG)而不是一棵树。

有种方式共享(连接)

• 硬链接

  • 目录指向i节点,并计数

  • 只有当计数被置为0的时候，才真正被删除。

• 软连接(符号连接)

  • 创建一个类型为LINK的文件，并把该文件放在B下。

    • 里面存储了实际的 连接文件位置

  • 访问文件，需要额外的开销

复制时的问题

如果允许复制时不保留连接的话 (cp 没有-d)

• 软连接，直接复制所指向文件本身。

• 硬链接，复制过来后，重置i-node的计数器。

4.3.5 日志结构文件系统(看不下去了，翻译的太烂了)

日志结构文件系统(Log-structured File System,LFS)设计的主要原因是

• CPU的运行速度越来越快，RAM内存容量变得更大，磁盘高速缓存也在增加。
  • 不需要磁盘访问操作，就能完成很大一部分读请求。
  • 未来多数的磁盘访问操作是写操作。
    • 写操作往往是零碎的。
    • 一个50us的磁道写操作需要10ms的寻道和4ms的旋转延迟操作。磁盘的效率降低到1%。

零碎的写操作来源于哪里?假设写入一个新建的文件。

• 写该文件目录的i节点，目录块。
• 文件的i节点，以及文件本身。

这些写操作很慢，如果在写操作完成之前死机。

• 造成文件系统的严重不一致性。

4.3.6 日志文件系统

保存一个用于记录系统下一步将要做什么的日志。

• 即使奔溃后，也能通过日志来继续处理。

• 微软的NTFS,ext3和ReiserFS文件系统都是用日志。

4.3.7 虚拟文件系统(翻译太烂，看不完)

即使在同一计算机下同一操作系统，也会使用不同的文件系统。

Windows

Windows通过指定不同的盘符来处理这些不同的文件系统，比如C:，D:等。

盘符是显示存在的，所以Windows知道传递什么样的文件系统请求。

不需要将不同类型文件整合同一模式。

Unix

相比下，所有现代的UNIX系统做了一个很认真的尝试，将多个文件系统整合到一个统一的结构中。

觉得大多数UNIX操作系统使用虚拟文件系统(Virtual File System,VFS)来将文件系统统一。

4.4 文件系统管理和优化

4.4.1 磁盘空间管理

几乎所有的文件系统都把文件分割成固定大小的块来存储，各块之间不一定相邻(页式管理)。

块大小

一旦确定把文件按固定大小的块来存储，就会出现一个问题，块的大小应该是多少?

过大的块(空间利用低)

• 小的文件浪费大量磁盘空间，内部碎片严重。

过小的块(时间利用低)

• 大多数文件都会要有多个块，需要多次寻道和旋转延迟才能读完这个文件，性能太低。

观点

• 从历史观点来说，文件系统将大小设在1~4KB之间。(历史时期磁盘数量少，空间利用率更重要)。

• 随着磁盘超过1TB，可以通过将块的大小提升到64KB接收磁盘的浪费，增加时间性能。

  • 现代基本不可能出现磁盘空间短缺的状况。

记录空闲块

• 磁盘块链表

  • 通常情况下，采用空闲块来存放空闲表。
  • 内存中保存一个指针块
    • 文件创建时，所需要的块从执政块中取出来。
      • 如果指针块用完了，从磁盘读入一个新的指针块。
    • 文件删除是，其磁盘块被释放，并添加到指针块。
      • 指针块填满后，将它写入磁盘。
    • 避免不必要的I/O，(即有利于创建，也有利于写)
      • 在内存中保留一个半满的指针块，其余大多数为满的状态

• 位图

  • n个块的磁盘需要n位位图。

    • 空闲块用1表示
    • 已分配块用0表示

  • 位图所需要的空间很少。

  • 隐形好处，保证很有可能存储会比较紧密，减少磁盘壁的移动。

  • 缓存

    • 由于位图是一种固定大小的数据结构，在支持分页的内核里

      可以直接存放到虚拟地址空间，等待需要的时候进行页面的调入。

磁盘配额

现在应该没人用这个技术了。。。

4.4.2 文件系统的备份(略过)

几个问题

• 一:备份那些数据?
• 二:对前一次已经备份过但没有修改过的再备份十分浪费。
• 三:是否压缩?
• 四:对还在活动的文件系统做备份是很难得。
• 五:备份会引入非技术问题(间谍?)

4.4.3 文件系统的一致性

影响文件系统的可靠性的另一个问题是文件系统的一致性。

• 修改过的磁盘块全部写回之前系统崩溃，可能使文件系统处于不一致状态。

为了解决文件系统的不一致问题，很多计算机都带有一个实用程序以检验文件系统的一致性。

• Unix的fsck，Windows的scandisk.
• 一般在崩溃重启后，都可以选择性运行。

我们介绍一下Unix的fsck的原理。

• 块的一致性检查
• 文件的一致性检查

4.4.4 文件系统性能

1. 高速缓存

   • 块高速缓存
   • 缓冲区高速缓存
   • 存储器映射

2. 块提前读

   • 只能加速顺序存取方式
   • 对随机存取方式，效率更低。

3. 减少磁盘臂运动

   • 空闲块的分配减少磁盘臂运动

     • 使用位图
     • 空闲表使用块簇技术。

   • i节点的优化

     • 读取一个很短的文件，也需要先两次磁盘访问

       • 读取i节点
       • 读取访问块
       • 两者之间的访问增加寻道时间。

     • 改进

       • 第一种。磁盘中部存放i节点。
       • 第二种。磁盘分为多个柱面组，每个柱面组有自己的i节点。

   

4.4.5 磁盘块整理

Win

磁盘性能可以这样恢复

• 移动文件使它们相邻，把所有的空闲空间放在一个或多个大的连续空间。
• windows的defrag从事这个事
  • windows用户应该定期使用。
  • NTFS貌似产生的碎片少很多了

Linux

• Linux文件系统(ext2,ext3)由于使用i节点的方式，很少需要使用手动的磁盘碎片整理。

4.5 文件系统实例

4.5.1 CD-ROM

4.5.2 MS-DOS

• FAT和FAT32现在依旧流行于嵌入式系统。

读文件时

• MS-DOS调用open系统调用，获得文件的句柄。

  • open系统调用识别一个路径。路径是一个一个分量的查找

    直到找到最终的目录读入内存，搜索要打开的文件。

目录项

4.5.3 Unix V7

即便是早期版本的UNIX也是一个相当复杂的多用户文件系统，因为它是MULTICS继承下来的。