操作系统-文件管理

文件的属性
文件名：由创建文件的用户决定文件名，主要说为了方便用户找到文件，同一个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
文件分类
无结构文件（如文本文件）–由一些二进制或字符流组成，又称“流式文件”
有结构文件（如数据库表）–由一组相似的记录组成，又称“记录式文件”
操作系统向上提供的基本功能

创建文件（create系统调用）
删除文件（delete系统调用）
读文件（read系统调用）
写文件（write系统调用）
打开文件（open系统调用）
关闭文件（close系统调用）

文件的逻辑结构

所谓的“逻辑结构”，就是指在用户看来，文件内部的数据应该是如何组织起来的。而“物理结构”指的是在操作系统看来，文件的数据是如何存放在外存中的。

有结构文件

由一组相似的记录组成，又称“记录式文件”。每条记录由若干数据项组成。
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。
根据各条记录的长度（占用的存储空间）是否相等，又可分为定长记录和可变长记录两种。

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
顺序存储–逻辑上相邻的记录物理上也相邻
链式存储–逻辑上相邻的记录物理上不一定相邻（类似于链表）

结论：定长记录的顺序文件，若物理上采用顺序存储，则可实现随机存取；若能再保证记录的顺序结构，则可实现快速检索（即根据关键字快速找到对应记录）
注：一般，考题中所说的“顺序文件”指的是物理上顺序存储的顺序文件。顺序文件的缺点说增加/删除一个记录比较困难（如果说串结构则相对简单）

索引文件

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

索引顺序文件是索引文件和顺序文件思想的结合。索引顺序文件中，同样会为文件建立一张索引表，但不同的是：并不是每个记录对应一个索引表项，而是一组记录对应一个索引表项。

文件目录

文件控制块

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）。
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”
需要对目录进行的操作：
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）

早期操作系统并不支持多级目录，整个系统中只建立一张目录表，每个文件占一个目录项。

单级目录实现了“按名存取”，但是不允许文件重名
在常见一个文件时，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。

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）.

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。
如：xx.jpg的绝对路径是“/zp/2015/xx.jpg”
系统根据绝对路径一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“zp”目录的存放位置后，从外存读入对应的目录表；再找到“2015”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“xx.jpg”的存放位置。整个过程需要3次读磁盘I/O操作。
很多时候，用户会连续访问同一目录内的多个文件（比如：接连查看“2015”目录内的多个文件），显然，每次都从根目录开始查找，是很低效的。因此可以设置一个“当前目录”
如：此时已经打开了“照片”的目录文件，也就是说，这张目录表已调入内存，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“相对路径”。
在Linux中，“.”表示当前目录，因此如果“zp”是当前目录，则“xx.jpg”的相对路径为：“./2015/xx.jpg”。从当前路径出发，只需要查询内存中的‘zp’目录表，即可知道‘2015’目录表存放位置，从外存调入该目录，即可真的‘xx.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”。

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（共享同一个目录下的所有内容）
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。
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。

索引结点（FCB的改进）

索引结点：除了文件名之外的文件描述信息都放到这里来

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，索引结点指针站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。

文件的物理结构（文件分配方式）

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
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”。
于是文件的逻辑地址也可以表示为（逻辑块号，块内地址）的形式。
操作系统为文件分配存储空间都是以块为单位的
用户通过逻辑地址来操作自己的文件，操作系统要负责实现从逻辑地址到物理地址的映射

文件分配方式–连续分配

连续分配方式要求每个文件在磁盘上占有一组连续的块
优点：支持顺序访问和直接访问（即随机访问）；连续分配的文件在顺序访问时速度最快
缺点：不方便文件拓展；存储空间利用率低，会产生磁盘碎片

用户通过逻辑地址来操作自己的文件，操作系统如何实现从逻辑地址到物理地址的映射？
（逻辑块号，块内地址）->（物理块号，块内地址）。只需转换块号就行，块内地址保持不变。
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>=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
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。

文件分配方式–链接分配

链接分配采取离散分配的方式，可以为文件分配离散的磁盘块。分为隐式链接和显式链接两种。

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。
采用隐式链接的链接分配方式，很方便文件扩展。另外，所有的空闲磁盘块都可以被利用，不会有碎片问题，外存利用率高。
隐式链接——除文件的最后一个盘块之外，每个盘块中都存有指向下一个盘块的指针。文件目录包括文件第一块的指针和最后一块的指针。
优点：很方便文件拓展，不会有碎片问题，外存利用率高。
缺点：只支持顺序访问，不支持随机访问，查找效率低，指向下一个盘块的指针也需要耗费少量的存储空间

链接分配–显式链接

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）
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，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-1i-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。

显式链接——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，FileAllocation Table）。一个磁盘只会建立一张文件分配表。开机时文件分配表放入内存，并常驻内存。
优点：很方便文件拓展，不会有碎片问题，外存利用率高，并且支持随机访问。相比于隐式链接来说，地址转换时不需要访问磁盘，因此文件的访问效率更高。
缺点：文件分配表的需要占用一定的存储空间。

文件分配方式–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。

任何实现文件的逻辑块号到物理块号的转换？
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）…
从目录项中可知索引表存放位置，将索引表从外存读入内存，并查找索引表即可只i号逻辑块在外存中的存放位置。
可见，索引分配方式可以支持随机访问。文件扩展也很容易实现（只需要给文件分配一个空闲块，并增加一个索引表项即可）

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
多层索引
混合索引

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

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

若采用三层索引，则文件的最大长度为256256256*1KB=16GB
类似的，访问目标数据块，需要4次磁盘I/O
采用K层索引结构，且顶级索引表未调入内存，则访问一个数据块只需要K+1次读磁盘操作
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）

逻辑结构VS物理结构

逻辑结构（从用户视角看）

物理结构（从操作系统视角看）

例：c语言创建顺序文件

物理结构（从操作系统视角看）

链式存储的顺序文件采用连续分配

链式存储的顺序文件采用链接分配

逻辑结构：索引文件

索引文件采用索引分配

文件存储空间管理

存储空间的划分与初始化
安装Windows操作系统的时候，一个必须步骤是–为磁盘分区（C盘，D盘，E盘等）
存储空间的划分：将物理磁盘划分为一个个文件卷（逻辑卷、逻辑盘）

存储空间管理–空闲表法（适用于“连续分配方式”）

如何回收磁盘块：与内存管理中的动态分区分配很类似，当回收某个存储区时需要有四种情况

回收区的前后都没有相邻空闲区
回收区的前后都是空闲区
回收区前面是空闲区
回收区后面是空闲区

总之，回收时需要注意表项的合并问题
存储空间管理–空闲链表法

存储空间管理–成组链接法

如何分配？
需要1个空闲块

检查第一个分组的块数是否足够。1<100,因此是足够的
分配第一个分组中的1个空闲块，并修改相应数据

需要100个空闲块

检查第一个分组的块数是否足够。100=100，是足够的
分配第一个分组中的100个空闲块。但是由于300号块内存放了再下一组的信息，因此300号块的数据需要复制到超级块中

如何回收？
假设每个分组最多为100个空闲块，此时第一个分组已有99个块，还要再回收一块
需要将超级块中的数据复制到新回收的块中，并修改超级块的内容，让新回收的块成为第一个分组

文件的基本操作

创建文件
进行create系统调用时，需要提供的几个主要参数：

所需的外存空间大小（如：一个盘块，即1KB）
文件存放路径（“D:/Demo”）
文件名

操作系统在处理create系统调用时，主要做了两件事：

在外存中找到文件所需的空间（结合上小节学习的空闲链表法、位示图、成组链接法等管理策略，找到空闲空间）
根据文件存放路径的信息找到该目录对应的目录文件，在目录中创建文件电影的目录项。目录项中包含了文件名、文件在外存中的存放位置等信息。

删除文件
进行delete系统调用时，需要提供的几个主要参数：

文件存放路径
文件名

操作系统在处理delete系统调用时，主要做了几件事：

根据文件存放路径找到相应的目录文件，从目录中找到文件名对应的目录项
根据该目录项记录的文件在外存的存放位置、文件大小等信息，回收文件占用的磁盘块。（回收磁盘块时，根据空闲表法、空闲链表法、位图法等管理策略的不同，需要做不同的处理）
从目录表中删除文件对应的目录项

打开文件
在很多操作系统中，在对文件进行操作之前，要求用户先使用open系统调用“打开文件”，需要提供的几个主要参数：

文件存放路径
文件名
要对文件的操作类型

操作系统在处理open系统调用时，主要做了几件事：

根据文件存放路径找到相应的目录文件，从目录中找到文件名对应的目录项，并检查该用户是否有指定的操作权限
将目录项复制到内存中的“打开文件表”中。并将对应表目的编号返回给用户。之后用户使用打开文件表的编号来指明要操作的文件。

关闭文件
进程使用完文件后，要“关闭文件”
操作系统在处理Close系统调用时，主要做了：

将进程的打开文件表相应表项删除
回收分配给该文件的内存空间等资源
系统打开文件表的打开计数器count减1，若count=0，则删除对应表项

读文件
进程使用read系统调用完成写操作。需要指明是哪个文件，还需指明要读入多少数据、指明读入的数据要放在内存中的什么位置。
操作系统在处理read系统调用时，会从读指针指向的外存中，将用户指定大小的数据读入用户指定的内存区域中。
写文件
进程使用write系统调用完成写操作，需要指明是哪个文件，还需要指明要写出多少数据、写回外存的数据放在内存中的什么位置
操作系统在处理write系统调用时，会从用户指定的内存区域，将指定大小的数据写回写指针指向的外存。

文件共享

多个用户共享同一个文件，意味着系统中只有“一份”文件数据。并且只要某个用户修改了该文件的数据，其他用户也可以看到文件数据的变化。
如果是多个用户都“复制”了同一个文件，那么系统中会有“好几份”文件数据。其中一个用户修改了直接的那份文件数据，对其他用户的文件数据并没有影响。
基于索引结点的共享方式（硬链接）

索引结点中设置一个链接计数变量 count，用于表示链接到本索引结点上的用户目录项数。
若 count = 2，说明此时有两个用户目录项链接到该索引结点上，或者说是有两个用户在共享此文件。
若某个用户决定“删除”该文件，则只是要把用户目录中与该文件对应的目录项删除，且索引结点的count值减 1。
若 count>0，说明还有别的用户要使用该文件，暂时不能把文件数据删除，否则会导致指针悬空。
当 count = 0 时系统负责删除文件。
基于符号链的共享方式（软链接）

当 User3 访问“ccc”时，操作系统判断文件“ccc”属于 Link 类型文件，于是会根据其中记录的路径层层查找目录，最终找到 User1 的目录表中的“aaa”表项，于是就找到了文件1的索引结点。

文件保护

口令保护

为文件设置一个口令，用户请求访问该文件时必须提供口令
口令一般存放在文件对应的FCB或索引结点中。用户访问文件前需要先输入口令，操作系统会将用户提供的口令与FCB中存储的口令进行对比，如果正确，则允许该用户访问文件。
优点：保存口令的空间开销不多，验证口令的时间开销也很小。
缺点：正确的“口令”存放在系统内部，不够安全。

加密保护

使用某个“密码”对文件进行加密，在访问文件时需要提供正确的“密码”才能对文件进行正确的解密。

优点：保密性强，不需要在系统中存储“密码”
缺点：编码/译码，或者说加密/解密要花费一定时间

访问控制

在每个文件的FCB（或索引结点）中增加一个访问控制列表（Access-Control List,ACL）,该表中记录了各个用户可以对该文件执行哪些操作。

有的计算机可能会有很多个用户，因此访问控制列表可能会很大，可以用精简的访问列表解决这个问题
精简的访问列表：以“组”为单位，标记各“组”用户可以对文件执行哪些操作。
如：分为系统管理员、文件主、文件主的伙伴、其他用户几个分组