文件管理

http://blog.csdn.net/niushuai666/article/details/8166554

1.文件、记录、数据项

数据项是文件的基本单位，记录是一个对象的所有属性的集合，而文件则是某一群体中记录的集合。


2.文件的逻辑结构和物理结构
物理结构就是文件在外存上的存储组织方式，而逻辑结构就是从用户角度出来看到的文件。物理结构是对系统而言，逻辑结构是为了使计算机对文件的管理对透明而言的 。


3.对逻辑结构而言，有两种文件形式：有结构的文件和无结构的文件（流式文件）。有结构就是指由一个以上的纪律构成的文件；无结构就是指源程序一类的字符串流文件。


4.对于有结构文件来说，常用的文件组织方式为：索引顺序文件。
将顺序文件中的所有记录分为n组，每个的容量为m，这样，在查找某一文件时，我们根据关键字从索引中查询，查找到关键字以后再顺序查找该索引下的文件即可。


5.外存分配方式有：连续分配、链接分配、索引分配三种。


连续分配：（不现实）
就是为每个文件申请一个连续的存储空间。
优点：查找迅速，因为不需要跳跃寻址。
缺点：须知道文件的大小，不能对动态文件做正确的处理，对系统而言，需要足够大的连续存储空间


链接分配：（windows的外存分配策略）
本质就是离散存储。又分为:隐式链接和显式链接
1）隐式链接
对每个文件分配的空间，都须含有一个指向链接文件的第一个盘块和最后一个盘块的指针。
隐式分配的问题在于对某一记录的访问需要O(n)的复杂度，效率太低。
2）显式链接
本质就是在内存中保存一个全磁盘空间的文件分配表（File Allocation Table）
优点：解决了系统没有足够连续空间的问题。
缺点：文件查找还是顺序查找，效率提高不多。需要将FAT存入内存，代价太大。


索引分配：
因为链接分配的FAT太大，所以我们可以使用索引块的方法解决。事实上，需要某个文件时，我们只需要将该文件占据的盘块号调入内存即可，所以，我们用一个索引块存储该文件的所有盘块号。然后在建立文件时，只需要在文件目录中加入一个指向该索引块的指针即可。
优点：解决了FAT太大无法调入内存的问题。加快了访问文件某个记录的速度（索引块中存储了该文件的所有盘块）。
缺点：需要额外的外存空间（索引块）。每当建立一个文件时，就需要为之分配一个索引块。但是实际应用中，总是中小型文件居多，他们通常只占据1-2个盘块，那么，索引块的作用几乎为0。
又分为单级索引分配、多级索引分配、混合索引分配三种，本质相同，只是后两种是对中型、大型文件而言的。
具体就是当文件太大时，分配的索引块太多，我们就必须处理海量的索引块，那么，我们同样利用索引块的方法，再弄一张索引块表，用来存索引块号即可。


6.FAT技术和NTFS技术
FAT技术和NTFS技术都是外存分配方式中的链接分配。
FAT技术：
FAT12是以盘块号为基本单位的，所以，在整个系统中有一张FAT，每个表项中存放的都是下一个盘块号，对于一个12位的FAT12技术而言，12位可存储4096个表项，假如每个盘块大小为512B，那么，容量为4096*512B=2MB，如果一个物理磁盘支持4个逻辑磁盘分区，那么，磁盘的最大容量为8MB。
为了适应磁盘容量的不断增大，在进行盘块分配时，我们采用“簇”作为新的基本单位。
簇是一组连续的扇区，大小一般为2n个盘块。例如，当一个簇含有一个扇区时，磁盘的最大容量为8MB，当一个簇包含2个扇区时，磁盘最大容量为16MB（表项存储的是簇号，4096簇*1KB*4）。
缺点：虽然可以通过增加簇的大小来提高允许的最大磁盘容量，但是簇内碎片将会增加剧烈。


NTFS技术（New Technology File System）
NTFS的基本单位也为簇，大小一般为4KB。
对于簇的定位，NTFS使用的是逻辑簇号和虚拟簇号结合。逻辑簇号以卷（C/D/E盘）为单位，将所有簇升序排号，在NTFS地址映射时，通过簇的大小与逻辑错号的成绩，就可以得到卷上的地址了。同时，使用虚拟簇号是对用户文件而言的，指对该文件使用的簇号进行编号，如果知道了文件的开始地址，就可以用虚拟簇号映射到逻辑簇号得到地址。
NTFS的核心结果是主控文件表MST(Master File Table)，用来存放所有文件的各种信息以及未分配空间的信息。
每个MST表项大概1KB大小，对于元数据而言，如果能记录全部信息，就保存在MST中；如果不能，就保存在对应文件的簇中。
优点：因为表项为2的32次方，所以当容量扩大时，依然可以使用较小的簇（一般最佳为4KB）防止簇内碎片的增加。
缺点：兼容性较差，不能向下兼容




7.unix采用的混合索引分配方式
在unix system的索引节点中，共设置了13个地址项，即addr(0)~add(12)
1）直接地址
为了提高对文件的检索速度，索引节点中设置了10个直接地址项，存放的是该文件数据所在盘块的盘块号。假如每个盘块大小为4KB，当文件不大于40KB时，可以直接从索引节点中读出该文件的全部盘块号。
2）一次间接地址
对于中型或大型文件，可采用一次间接地址，本质就是一级索引分配方式。假如每个文件大小4KB，盘块号占据4个字节，那么，一级索引允许的文件长度为：4KB/4B=1024盘块，1024*4KB=4MB
3)二次间接地址
当文件长度大于4MB+40KB时，可以采用二次间接间接地址，本质就是二级索引分配方式。这时，允许最大文件长度为：4KB/4B=1024,1024*1024*4KB=4GB
4）三次间接地址
当文件更大时，可使用三级索引分配方式。此时最大长度为4TB。