清华大学操作系统公开课（十一）文件系统

---

1.总体介绍

---

  文件系统是操作系统一个重要的子系统，方便读写磁盘上的数据。主要讲述三方面内容，第一方面是从用户角度介绍如何进行文件读写操作，第二方面是介绍文件读写操作系统如何实现，最后一部分是介绍多磁盘管理。

2.文件系统和文件

---

  文件系统是一种用于持久性存储的系统抽象，也就是断电后数据不会丢失，比如说磁盘。

•   要让用户组织、控制、导航、访问和检索数据
•   大多数的计算机系统包含文件系统，以及个人电脑、服务器、笔记本电脑、ipod，机顶盒等都有文件系统
•   Google也是由一个文件系统构成的（GFS）

  文件是具有符号名，由字节序列构成的数据项集合。

•   文件是文件系统的基本数据单位
•   文件名是文件的表示符号

3.文件系统的功能

---

4.文件和块

---

  文件的属性是用来表征文件的一些基本信息，储存在文件头里面。

5.文件描述符

---

 

  从编程者的角度来看，通过字符串的名字打开文件，返回一个整形的文件描述符f，read(f)把f文件的内容读出来，最后close(f)，大致就是这样一个模式。这里面最重要的就是这个整数形式的文件描述符，它代表文件给我们应用程序做各种各样的访问和控制，那整数如何代表呢？

  其实文件描述符不仅仅是一个简单的数字，操作系统维护了一个打开文件表，文件描述符其实是一个index，指出了在打开文件表中的第几项代表这个文件，而每一项是包含了很多文件的描述信息，之后操作系统根据这些信息执行读和写操作。

  管理文件数据需要以下东西：

  从不同的视角看文件

访问模式

文件的结构

文件共享和访问控制

  有文件访问控制列表来控制用户能否访问。Unix对三种不同的用户给予不同的权限。

语义一致性

  语义其实简单来说就是，写的数据什么时候能够读到？能不能读？

6.目录

---

  为什么要有目录？因为要组织文件，如果把所有文件堆在一个一维面上的话，用户很难找到想要的文件。所以通过分层的方式，通过目录，便于查找和组织文件。

  目录的典型操作（结合日常使用计算机的经验）

  目录的操作应该结合操作系统完成。

目录设计

  那么怎么来存目录里的文件，其实比较容易实现，把目录想成一个集合，这个集合里有很多文件，只要有不同的文件名就可以存在这个文件当中。

  文件的数据结构设计：

名字解析（路径遍历）

  可以从根目录逐一解析，直到找到文件，当然也可以设计缓存加快寻找的效率，后面会提到。

文件系统挂载

  在我们的操作系统中，有不同的文件系统，不同的文件系统要挂在不同的目录下，来形成一个分层次的跨文件系统的访问，把不同系统根目录的位置称为挂载点。

7.文件别名

---

  有可能多个文件名关联一个文件，也就是一个文件有多个名字，在操作系统中有两种实现方式：硬链接和软连接。

  如果删除一个有别名的文件，这个别名会成为一个“悬空指针”。  

  如果有别名机制，就有可能出现潜在的循环。

文件目录中的循环

8.文件系统种类

---

9.虚拟文件系统

---

  操作系统就是解决复杂问题，提供接口给用户以便用户简单使用，不用顾忌底层实现。

目的

  虚拟文件系统（VFS）的目的是对所有不同文件系统做抽象，给上层提供接口。

功能 

虚拟文件系统数据结构

文件系统的组织视图

文件系统的存储结构

 

10.数据缓存

---

   访问硬盘的速度比访问内存的速度慢很多，为了提高速度，需要在内存中放一个缓存，把经常用到的或者经常访问到的数据存储在内存中，提高下次访问的效率。

  我们希望能将前面所讲的分页机制和缓存机制相结合：

11.打开文件的数据结构

---

  文件是一个共享的资源，可能存在锁的保护机制，操作系统和文件系统会调节对文件的访问。

12.文件分配

---

  如果打开文件后执行写操作，就要涉及到文件空间管理，如何对文件空间的增加或减少进行分配。

  评价文件分配方式的指标是是否高效，存储效率是否高效，读写性能是否高效，空间利用率高不高。

连续分配

  数据是用数组方式组织起来的，因为分配是连续的，缺点是要做扩展的话需要把后面的数据挪位置。也有适合的场景，比如说只读的光盘就很适合它应用。但要灵活地添加、删除、扩展，就会造成很大的开销。

链式分配

  数据是用链表方式组织起来的，缺点是访问是一种串式访问的方式，不能实现高效的随机访问，除此之外链被破坏数据容易丢失。  

索引分配

  缺点在于文件比较小时（甚至小于索引大小），存储索引信息的冗余会比较大；文件比较大时，一个索引块能够描述的数据块的个数是有限的，如果文件很大，那么可能一个索引块就不够了，如果要扩增索引块，就退化到了数组的方式。

  大文件利用分级索引实现：

 

  修改后的多级索引机制可以应对大文件、小文件，是一种比数组和链表更有效的组织方式。

13.空闲空间链表

---

  操作系统需要跟踪在存储中的所有未分配的数据块，会遇到以下问题：

•   空闲空间列表存储在哪里？
•   空闲空间列表的最佳数据结构是什么样子？

 

 

14.多磁盘管理-RAID

---

      

  分区：硬件磁盘的一种适合操作系统指定格式的划分

  卷：一个拥有一个文件系统实例的可访问的存储空间，通常常驻在磁盘的单个分区上

  利用多个并行磁盘可增加吞吐量、可靠性和可用性。

多磁盘目的

  吞吐量：把数据放在独立的磁盘上，通过并行的工作，实现并行的数据访问，可以增大吞吐量。

  可靠性：在执行写操作的时候，对两个硬盘执行同样的写操作，如果一个硬盘崩了，第二个硬盘可以替换第一个，容错，写入代价增高。

各种RAID

  下图是各个RAID比较，图来自https://www.cnblogs.com/cishi/p/692097e3540da2c23fe8a250afc97cc1.html