Linux 磁盘文件

磁盘文件

通过前一篇文章Linux——系统文件I/O，我们知道了如何对加载在内存中的文件进行读写等操作，并了解了其内在的原理。同时我们也应该清楚，并不是所有的文件都会被加载入内存，而没有被加载入内存的文件，就被存放在磁盘中，称为磁盘文件。现在，就让我们一起来学习磁盘文件的相关知识

本片思维导图：
注：本章思维导图对应的.xmind和.png文件都已同步导入至资源，供免费查阅

1. 磁盘的物理结构

1.1 两个重要的结构

磁盘的两个重要的物理结构为盘面和磁头：

盘面：

• 盘面用来存放数据
• 盘面有正反两面，两面都可以存储数据；一个磁盘可能有多个盘面；每一个盘面都有唯一的编号

磁道：

• 每个盘面都可以被划分为多个同心圆，每个同心圆就叫做一个磁道。每个磁道都有唯一的编号
• 相同半径的磁道组成的柱状结构就叫做柱面

扇区：

• 每一个磁道可以被划分为多个扇形区域，这些区域叫做扇区。每个扇区都有唯一的编号
• 扇区的一般大小为512字节
• 扇区是磁盘IO的基本单位（例如，如果要改变磁盘中的一个字节，那么必须要将包含这个字节的整个扇区都读入内存，而不能只读入这个字节）

磁头：

• 每个盘面都有一个磁头，磁头悬浮在盘面的上方，并不会与盘面接触
• 每个磁头都有唯一的编号
• 所有磁头都固定在一个磁头臂上，可以共同向盘面的圆心前进后退，从而读取指定的柱面

1.2 CHS定位法

如何定位一个指定的扇区？我们可以通过这样的步骤：

首先，通过磁头的移动来找到扇区位于的柱面；之后，确定所在的盘面（磁头所指的盘面）；最后确定确定盘面确定磁道上的扇区

即：确定柱面（磁道）(Cylinder)> 确定磁头(Head) -> 确定扇区(Sector)；

这就是所谓的CHS定位法

既然文件存储在磁盘中，那么说到底它也就占用了数个扇区，因此我们就可以通过对文件占用的扇区进行记录，从而将对文件的查找转换为利用CHS定位法对文件所占用扇区进行查找

2. 磁盘的逻辑抽象

2.1 磁盘 -> 线性空间

我们可以来回忆一下以前听英语听力时用到的磁带，磁带盒里的磁带存储着数据，且是一个圆盘状，我们可以将其和磁盘的盘面类比。如果我们将磁带盒里的磁带都抽出来，那么它就成了数十米的条带。

类似的，我们也可以将磁盘作类似的抽象：将盘面的也像磁带一样展开，这样一个盘面也就成了一个线性的空间，而磁盘就是多个线性空间的组合，也就是一个巨大的线性空间，而这个空间的基本单位就是扇区

可以做出总结：磁盘实际上就是一个巨大的数组，数据的每个下标就是一个扇区

从而，我们对磁盘文件的管理就转换成了对数组的增删查改

既然扇区是这块线性空间的基本单位，那么空间的每个一下标就对应着一个扇区。我们在前面提到过用CHS定位法找到扇区对应物理结构的位置，同样，我们也需要通过一个扇区编号这种线性地址来确定扇区所在的位置：

我们可以来举一个例子：

假设一块磁盘有800GB，有4块盘面，那么每块盘面就有200GB，为了便于分析，同时假设每个盘面有100个磁道，且这些磁道有相同数量的扇区，则每块盘面就有419,430,400个扇区，每个磁道就有419,430,4个扇区：

现有一个扇区编号为index

那么，他所在的盘面为index / 盘面有的扇区个数，同时可以得到他在这块盘面的偏移量为tmp = index % 盘面有的扇区个数

通过偏移量tmp，就可以得出他所在的磁道tmp / 磁道有的扇区个数，同时也就可以得到他在这个磁道上的偏移量tmp % 磁道有的扇区个数

从而也就得到了某个扇区在磁盘的具体位置

通过上面的方法，我们就可以将一个线性地址转换为CHS地址

2.2 数据块

上面我们提到，磁盘IO的基本单位为一个扇区，也就是514字节，但是文件系统认为，一次之和磁盘交互512字节效率过于低下，因此规定，文件系统IO的基本单位为4Kb，也就是8个扇区。这一基本单位被称为数据块

从而，文件系统访问磁盘中的文件就变成了对特定数据块的访问，而为了找到指定的数据块，就需要用到LBA地址

LBA地址是用来标识数据块位置的，每个LBA地址都表示一个数据块

LBA地址可以通过磁盘控制器转换为CHS地址，从而找到特定的扇区，从而文件系统对磁盘文件进行读取时就避免了CHS地址这种三维的读取方式，转而使用LBA地址这种一维的方式，进而大大提高了读取效率。

2.3 分区与分组

上面我们将磁盘空间分割成了基本单位为4Kb的线性空间，但是由于磁盘大小往往有几百甚至上千GB，数据块的数量太过庞大

因此操作系统对磁盘空间进行管理时需要采用分治策略：

• 将磁盘空间划分为数个区域（这些区域的大小可以相等也可以不相等），例如常见的电脑C盘、D盘：

• 继续将每一个分区进行分组
• 最后，只要操作系统将每个组管理好了，就可以将每个分区管理好，静儿就可以将整个磁盘空间管理好了

2.3.1 分区的格式化

我们用鼠标右击电脑中的磁盘文件，可以看到“格式化”这一选项：

实际上，通常来说磁盘在出厂时就已经被格式化好了。但是如果我们要对这个磁盘进行分区管理（例如将D盘分200G给E盘），我们就要对分区进行格式化操作：

• 格式化磁盘分区是分区使用前的必要步骤
• 被格式化后的分区就是一个文件系统
• 格式化会清空分区原有的数据，因此要注意重要数据的备份

2.3.1 组（group）的管理

一个组(group)的内容通常由下面这些内容组成：

为了方便理解这些内容，我们先来回顾一下文件这一概念：

大家都知道，文件 = 内容 + 属性

• 文件的属性是由一系列有限的变量来描述的，例如文件大小、文件的创建时间、修改时间等，由于这些变量的大小一定，因此文件属性的大小也是确定的

  • 需要注意，文件名不属于文件的属性，因为文件名是一个字符串，其大小会跟着文件名的改变而改变

• 文件的内容显然会随着文件存放的数据而改变，因此文件内容的大小是不确定的

• 文件的内容和属性时分开存放的

inode Table && inode Bitmap：

何为inode：

• 文件的所有属性实际上都存放在一个名为inode的结构体中，通常inode结构体的大小为128字节
• 每一个文件都有一个唯一的inode 编号，可以用命令ll -i来查看一个文件的inode编号：

inode Table:

inode Table是用来存放文件inode的区域

inode Bitmap:

inode Bitmap是一个位图，比特位的位置表示inode Table中inode的某一编号，比特位的内容表示这一编号的inode是否被使用

关于inode 编号：

• 系统用来识别一个文件时，直接使用的不是文件名，而是inode编号

• 实际上，对于每个分组，他都有一个起始的indoe编号。例如，如果一个分组有1000个inode：
  

• 对于每一个inode编号，我们可以通过这样的方式来确定他具体所在的位置：编号 / 1000就可以求得这个inode在哪个组，编号 % 1000就可以得到他在这个分组中inode Table的具体位置

• 反过来，我们也可以通过类似的方式来求得一个特定inode的inode编号：inode编号 = 所在分组的起始inode编号 + 偏移量

Data Blocks && Block Bitmap：

Data Blocks：

Data Blocks用于存放文件的内容

Block Bitmap:

Block Bitmap是一个位图，比特位的位置表示数据块的编号，比特位的内容表示这个数据块是否被占用

文件内容和属性的联系：

既然文件的内容和属性时分开存储的，但系统读取文件是通过inode 编号，那么怎么通过文件的inode 编号来找到文件的内容？

• 实际上，用于描述文件属性的inode结构体中有一个数组int block[15]
• 对于下标[0, 11]的空间，其存储着这个文件内容使用的数据块的编号
• 对于下标[12, 13]，其不直接存储数据块的编号，而是指向一个数据块，但这个数据块并不存储文件的内容，而是继续存放着数据块的编号，这样就成了一个二级索引
• 对于下标[14]，和下标[12, 13]类似，只不过这是一个三级索引
• 通过上面的方式一个较小空间的数组block就可以映射到大量的数据块，从而可以通过文件的inode 编号找到文件的内容

Group Descriptor Table:

• 存放着描述这个组(group)的各种信息，例如inode 起始编号，该组有多少个inode，多少个数据块等
• Group Descriptor Table管理着整个组(group)，因此如果其发生错误，整个组(group)便无法使用

Super Block

• 存放着所在分区的各种信息，例如组(group)的个数、组的大小等
• 并不是每个组都有Super Block
• Super Block管理着整个分区，因此如果其发生错误，整个分区便无法使用
• 为了提高文件系统的容错性，除了第一个组有Super Block外，每隔一段距离的分组也会包含相同的Super Block，这样的备份就大大提高了分区的容错性

2.3.2 目录、文件名与inode

在Linux中，一切皆文件。因此我们知道目录也是一个文件，因此目录也有它的inode与inode 编号：

而目录的内容，存放的就是目录里面文件名和文件对应inode 编号的映射关系

我们前面提到过，系统查找一个文件时，直接使用的不是文件名，而是该文件的inode 编号，具体过程应该是这样的：

• 例如系统要访问一个文件/home/Test/test.s，仅仅提供文件名test.c是不够的，还需要找到这个文件所在的目录Test
• 又由于目录Test也是一个文件，要找到这个文件，我们也需要找到其所在的目录home
• 最后要找到目录文件home，就要回到根目录/

因此我们可以得出这样的结论：

• 文件的增、删、查、改都是和文件所在的目录有关的
• 查找一个文件，都要逆向回溯到根目录/，从根目录进行路径解析，从而得到文件的具体位置

有了对inode的理解，我们也可以重新回顾一下目录权限的概念：

目录的内容是包含的文件名与文件inode编号的映射关系

• 如果目录没有r读权限：无法读取文件名与文件inode编号的映射关系，也就无法通过inode编号来找到文件的属性和内容，从而无法查看一个文件
• 如果目录没有w写权限：没有写权限，也就无法在目录内新建文件，即无法建立文件名与文件inode编号的映射关系，即无法改变文件内容

2.3.3 重谈文件的新建与删除

新建文件：

• 首先在inode Bitmap中查看空闲的inode编号，并将文件的属性写入到inode Table中空闲的位置，同时修改inode Bitmap特定比特位的内容
• 类似的方法，将文件的内容写入到Data Block中空闲的位置，并建立内容和属性的映射关系同时修改Block Bitmap特定比特位的内容
• 根据inode 编号 = 分组起始inode编号 + 偏移量求得inode编号
• 最后将inode编号与新建文件的文件名建立映射关系

删除文件：

• 根据文件的inode编号找到文件所在的分组以及其inode Bitmap的偏移量，将所在位置的比特位置零，即表示属性删除完毕
• 同理，根据inode编号也可以找到文件的inode，从而找到文件内容占用数据块的编号，也就是Block Bitmap中的偏移量，将这些比特位置零，即表示内容删除完毕

注意：

• 通过上面的描述可以发现，删除文件只需要修改内容和属性对应比特位的内容，表示对应编号的inode和数据块没被占用即可
• 而不需要删除inode Table以及Block Table中的内容（这些内容被新文件的属性和内容覆盖即可）
• 因此，这也就和现实对应了起来：删除文件的速度往往远快于下载文件的速度