初识文件管理

概述

文件就是一组有意义的信息/数据集合。

文件的属性

• 文件名:由创建文件的用户决定文件名，主要是为了方便用户找到文件，同一目录下不允许有重名文件。
• 标识符:一个系统内的各文件标识符唯一，对用户来说毫无可读性，因此标识符只是操作系统用于区分各个文件的一种内部名称。
• 类型:指明文件的类型
• 位置:文件存放的路径（让用户使用）、在外存中的地址(操作系统使用，对用户不可见）
• 大小:指明文件大小创建时间、上次修改时间文件所有者信息
• 保护信息:对文件进行保护的访问控制信息

操作系统应该向上提供哪些功能？

举例

文件如何存放在外存？

磁盘中存放

其他需要OS管理的文件功能

文件的逻辑结构

文件结构分类

按照文件的逻辑结构，可以分为：

• 无结构文件:文件内部的数据就是一系列二进制流或字符流组成。又称“流式文件”。如:Windows操作系统中的.txt文件。
• 有结构文件:由一组相似的记录组成，又称“记录式文件”。每条记录又若干个数据项组成。如:数据库表文件。一般来说，每条记录有一个数据项可作为关键字（作为识别不同记录的ID)，根据各条记录长度，可以分为变长记录和不变长记录两种。
  
  • 定长记录
    
  • 不定长记录
    

顺序文件

顺序文件:文件中的记录一个接一个地顺序排列（逻辑上），记录可以是定长的或可变长的。各个记录在物理上可以顺序存储或链式存储。

顺序文件的几种存储方式

注:一般来说，考试题目中所说的“顺序文件”指的是物理上顺序存储的顺序文件。之后的讲解中提到的顺序文件也默认如此。可见，顺序文件的缺点是增加/删除一个记录比较困难（如果是串结构则相对简单)

索引文件

索引原理

索引表本身是定长记录的顺序文件。因此可以快速找到第i个记录对应的索引项。
可将关键字作为索引号内容，若按关键字顺序排列，则还可以支持按照关键字折半查找。每当要增加/删除一个记录时，需要对索引表进行修改。由于索引文件有很快的检索速度，因此主要用于对信息处理的及时性要求比较高的场合。

索引顺序文件

若一个顺序文件有10000个记录，则根据关键字检索文件，只能从头开始顺序查找（这里指的并不是定长记录、顺序结构的顺序文件），平均须查找5000个记录。

若采用索引顺序文件结构，可把10000个记录分为v10000= 100组，每组.100个记求。则需要先顺序宣找索引表找到分组（共100个分组，因此索引表长度为100，平均需要查50次），找到分组后，再在分组中顺序查找记录（每个分组100个记录，因此平均需要查50次）。可见，采用索引顺序文件结构后，平均找次数减少为50+50= 100次。

同理，若文件共有10的6次方个记录，则可分为1000个分组，每个分组1000个记录。根据关键字检索一个记录平均需要查找500+500 = 1000次。这个查找次数依然很多，如何解决呢?

多级索引顺序文件

为了解决索引文件的问题

同理，若文件共有10的6次方个记录，则可分为1000个分组，每个分组1000个记录。根据关键字检索一个记录平均需要查找500+500 = 1000次。这个查找次数依然很多，如何解决呢?

总结

文件目录

文件控制块

目录是一种特殊的文件。

目录本身就是一种有结构文件，由一条条记录组成。每条记录对应一个在该放在该目录下的文件

目录文件中的一条记录就是一个文件控制块(FCB), FCB实现了文件名和文件之间的映射。使用户(用户程序) 可以实现按名存取。

FCB的有序集合称为文件目录，一个FCB就是一个文件目录项。FCB中包含了文件的基本信息(文件名、物理地址、逻辑结构、物理结构等)，存取控制信息(是否可读/可写、禁止访问的用户名单等)，使用信息(如文件的建立时间、修改时间等)。最重要，最基本的还是文件名、文件存放的物理地址。

需要对目录进行哪些操作?

• 搜索:当用户要使用一个文件时，系统要根据文件名搜索目录，找到该文件对应的目录项
• 创建文件:创建一个 新文件时，需要在其所属的目录中增加一个目录项
• 删除文件:当删除一个文件时，需要在目录中删除相应的目录项
• 显示目录:用户可以请求显示目录的内容，如显示该目录中的所有文件及相应属性
• 修改目录:某些文件属性保存在目录中，因此这些属性变化时需要修改相应的目录项(如:文件重命名)

目录结构

单级目录结构

早期操作系统并不支持多级目录，整个系统中只建立- -张目录表，每个文件占一个目录项。

在创建一个文件时，需要先检查目录表中有没有重名文件，确定不重名后才能允许建立文件，并将新文件对应的目录项插入目录表中。

显然，单级目录结构不适用于多用户操作系统。

两级文件目录结构

早期的多用户操作系统，采用两级目录结构。分为主文件目录(MFD，Master File Directory)和用户文件目录(UFD， User Flie Directory)。

允许不同用户的文件重名。文件名虽然相同，但是对应的其实是不同的文件。

两级目求结构允许不同用户的文件重名，也可以在目录上实现实现访问限制(检查此时登录的用户名是否匹配)。但是两级目录结构依然缺乏灵活性，用户不能对自己的文件进行分类。

多级目录结构

用户(或用户进程)要访问某个文件时要用文件路径名标识文件，文件路径名是个字符串。各级目录之间用/隔开。从根目录出发的路径称为绝对路径。

例如:自拍.jpg的绝对路径是“ /照片/2015-08/自拍.jpg”

系统根据绝对路径-层一层地找到下一-级目录。刚开始从外存读入根目录的目录表;找到“照片”目录的存放位置后，从外存读入对应的目录表;再找到“2015-08”目录的存放位置，再从外存读入对应目录表;最后才找到文件“自拍.jpg”的存放位置。整个过程需要3次读磁盘I/O操作。

例如，此时已经打开了照片的目录文件，也就是说，这张目录表己调入内存，那么可以把它设置为当前目录。当用户想要访问某个文件时，可以使用从当前目录出发的当前目录。

在Linux中，.表示当前目录，因此如果“照片”是当前目录，则”自拍.jpg”的相对路径为:./2015-08/自拍.jpg。从当前路径出发，只需要查询内存中的“照片”目录表，即可知道2015-08目录表的存放位置，从外存调入该目录，即可知道自拍.jpg存放的位置了。

可见，引入当前目录和相对路径后，磁盘 I/O 的次数减少了。这就提升了访问文件的效率。

树形目录结构可以很方便地对文件进行分类，层次结构清晰，也能够更有效地进行文件的管理和保护。但是，树形结构不便于实现文件的共享。为此，提出了无环图目录结构。

无环图目录结构

在树形目录结构的基础上，增加些指向同一节点的有向边，使整个目录成为一个有向无环图。可以更方便地实现多个用户间的文件共享。

可以用不同的文件名指向同一个文件，甚至可以指向同一个目录(共享同一目录下的所有内容)。

需要为每个共享结点设置一个共享计数器，用于记录此时有多少个地方在共享该结点。用户提出删除结点的请求时，只是删除该用户的FCB、并使共享计数器减1，并不会直接删除共享结点。只有共享计数器减为0时，才删除结点。

注意:共享文件不同于复制文件。在共享文件中，由于各用户指向的是同一个文件，因此只要其中一个用户修改了文件数据，那么所有用户都可以看到文件数据的变化。

索引节点(FCB的改进)

其实在查找各级目录的过程中只需要用到文件名这个信息，只有文件名匹配时，才需要读出文件的其他信息。因此可以考虑让目录表“瘦身”来提升效率。

思考有何好处?

假设一个FCB是64B，磁盘块的大小为1KB，则每个盘块中只能存放16个FCB。若一个文件目录中共有640个目录项，则共需要占用640/16= 40个盘块。因此按照某文件名检索该目录，平均需要查询320个目录项，平均需要启动磁盘20次(每次磁盘I/O读入一块)。

若使用索引结点机制，文件名占14B，索引结点指针占2B，则每个盘块可存放64个目录项，那么按文件名检索目录平均只需要读入320/64=5个磁盘块。显然，这将大大提升文件检索速度。

当找到文件名对应的目录项时，才需要将索引结点调入内存，索引结点中记录了文件的各种信息，包括文件在外存中的存放位置，根据存放位置即可找到文件。

存放在外存中的索引结点称为磁盘索引结点，当索引结点放入内存后称为内存索引结点。

相比之下内存索引结点中需要增加一些信息，比如:文件是否被修改、此时有几个进程正在访问该文件等。

总结

文件的物理结构

文件块 磁盘块

类似于内存分页，磁盘中的存储单元也会被分为一个个块/磁盘块/物理块。
很多操作系统中，磁盘块的大小与内存块、页面的大小相同

内存与磁盘之间的数据交换(即读/写操作、磁盘I/O)都是以块为单位进行的。即每次读块，或每次写出一块

在内存管理中，进程的逻辑地址空间被分为一个一个页面

同样的，在外存管理中，为了方便对文件数据的管理，文件的逻辑地址空间也被分为了一个一个的文件块文件的存储空间管理。

连续分配

原理

连续分配方式要求每个文件在磁盘上占有一组连续的块。

文件目录中记录存放的起始块号和长度(总共占用几个块)

用户给出要访问的逻辑块号，操作系统找到该文件对应的目录项(FCB)…

物理块号=起始块号+逻辑块号，当然，还需要检查用户提供的逻辑块号是否合法(逻辑块号2长度就不合法)

可以直接算出逻辑块号对应的物理块号，因此连续分配支持顺序访问和直接访问(即随机访问)

读取某个磁盘块时，需要移动磁头。访问的两个磁盘块相隔越远，移动磁头所需时间就越长。

结论:连续分配的文件在顺序读/写时速度最快

缺点

若此时文件A要拓展,需要再增加一个磁盘块(总共需要连续的4个磁盘块)。由于采用连续结构，因此文件A占用的磁盘块必须是连续的。因此只能将文件A全部“迁移”到绿色区域。结论:物理上采用连续分配的文件不方便拓展。

物理上采用连续分配，存储空间利用率低，会产生难以利用的磁盘碎片可以用紧凑来处理碎片，但是需要耗费很大的时间代价。

链接分配

隐式链接

用户给出要访问的逻辑块号i，操作系统找到该文件对应的目录项(FCB)…

从目录项中找到起始块号(即0号块)，将0号逻辑块读入内存，由此知道1号逻辑块存放的物理块号，于是读入1号逻辑块，再找到2号逻辑块的存放位置…以此类推。因此，读入i号逻辑块，总共需要i+1次磁盘I/O。

结论:采用链式分配(隐式链接)方式的文件，只支持顺序访问，不支持随机访问，查找效率低。另外，指向下一个盘块的指针也需要耗费少量的存储空间。

若此时要拓展文件，则可以随便找一个空闲磁盘块，挂到文件的磁盘块链尾，并修改文件的FCB.

显示链接

如何实现文件的逻辑块号到物理块号的转变?

显示链接

把用于链接文件各物理块的指针显式地存放在一张表中。即文件分配表(FAT，File Allocation Table )

从目录项中找到起始块号，若i>0，则查询内存中的文件分配表FAT往后找到i号逻辑块对应的物理块号。逻辑块号转换成物理块号的过程不需要读磁盘操作。

结论:采用链式分配（显式链接）方式的文件，支持顺序访问，也支持随机访问（想访问i号逻辑块时，并不需要依次访问之前的0~i-1号逻辑块），由于块号转换的过程不需要访问磁盘，因此相比于隐式链接来说，访问速度快很多。

显然，显式链接也不会产生外部碎片，也可以很方便地对文件进行拓展。

举例：

假设某个新创建的文件aaa, 依次存放在磁盘块2 → 5 → 0→ 1

注意:一个磁盘仅设置一张FAT。开机时，将FAT读入内存，并常驻内存。FAT 的各个表项在物理上连续存储，且每 一个表项长度相同，因此物理块号字段可以，是隐含的。

两种链接方式的比较

索引分配

索引分配允许文件离散地分配在各个磁盘块中，系统会为每个文件建立一张索引表，索引表中记录了文件的各个逻辑块对应的物理块(索引表的功能类似于内存管理中的页表————建立逻辑页面到物理页之间的映射关系)。索引表存放的磁盘块称为索引块。文件数据存放的磁盘块称为数据块。

假设某个新创建的文件aaa的数据依次存放在磁盘块2 >5 >13 >9。7号磁盘块作为aaa 的索引块,索引块中保存了索引表的内容。

注:在显式链接的链式分配方式中，文，件分配表FAT是一个磁盘对应一张。而索引分配方式中，索引表是一个文件对
应一张。

索引分配方式可以支持随机访问。文件拓展也很容易实现(只需要给文件分配一个空闲块，并增加一个索引表项即可)但是索引表需要占用一定的存储空间。

若每个磁盘块1KB，一个索引表项4B，则一个磁盘块只能存放256个索引项。

如果一个文件的大小超过了256块，那么一个磁盘块是装不下文件的整张索引表的，如何解决这个问题?

链接方案

如果索引表太大，一个索引块装不下，那么可以将多个索引块链接起来存放。

假设磁盘块大小为1KB，一个索引表项占4B，则一个磁盘块只能存放256个索引项。若一个文件大小为256 256KB = 65,536 KB = 64MB 该文件共有256 256个块，也就对应256 * 256个索引项，也就需要256个索引块来存储，这些索引块用链接方案连起来。

若想要访问文件的最后一个逻辑块,就必须找到最后一个索引块(第256个索引块)，而各个索引块之间是用指针链接起来的，因此必须先顺序地读入前255个索引块。所以磁盘IO次数很多。

多层索引

建立多层索引(原理类似于多级页表)。使第一层索引块指向第二层的索引块。还可根据文件大小的要求再建立第三层、第四层索引块。

若某文件采用两层索引，则该文件的最大长度可以到 256 256 1KB= 65, 536 KB = 64MB

若采用多层索引，则各层索引表大小不能超过一个磁盘块。

如:要访问1026号逻辑块，则 1026/256= 4，1026%256= 2 因此可以先将一级索引表调入内存，查询4号表项，将其对应的二级索引表调入内存，再查询二级索引表的2号表项即可知道1026号逻辑块存放的磁盘块号了。访问目标数据块，需要3次磁盘I/O。

混合索引

多种索引分配方式的结合。例如， 一个文件的顶级索引表中，既包含直接地址索引(直接指向数据块)，又包含一-级间接索引(指向单层索引表)、还包含两级间接索引(指向两层索引表)。

主要注意读取读磁盘的次数。

三种索引分配方式的比较

三种物理结构的总结