考研笔记

文件的基本概念

第 3 章解决的是内存里的数据怎么放，但内存断电即失，容量也有限。要长期保存信息，必须放到外存上。

于是产生一个新问题：外存是一片按物理块编号的连续空间，用户不可能记住”我的论文在第 38912 号盘块”。用户需要的是”按名字取东西”，而磁盘只提供”按编号取块”。 文件系统存在的全部意义，就是把后者包装成前者。

这一节先把”文件”这个抽象本身讲清楚：它由什么构成、有哪些属性、分成哪些类。

机制

自底向上地定义文件

王道用三层结构自底向上地给出文件的定义，这个顺序不是随意的——每一层都是对下一层的成组封装。

数据项是文件系统中最低级的数据组织形式，分两类。基本数据项是用于描述一个对象某种属性的字符集，是数据中不可分割的最小单位，例如一个人的姓名、年龄、出生日期。组合数据项则由若干基本数据项构成，例如”工资”这一项可以由基本工资、绩效、扣款等基本数据项组合而成。

记录是一组相关数据项的集合，用于描述一个对象在某方面的属性。例如一名学生的学号、姓名、年龄、所在院系合起来构成一条学生记录。为了在一堆记录里区分出某一条，需要指定一个或几个数据项作为关键字——关键字必须能唯一标识一条记录，学号可以，姓名通常不行。

文件是创建者定义的一组相关信息的集合。逻辑上，文件可以分为有结构文件和无结构文件两种：有结构文件由若干相似的记录组成（又称记录式文件），无结构文件则被看成一个连续的字符流（又称流式文件）。

graph LR
    A["基本数据项<br/>姓名 / 学号 / 年龄<br/><i>不可再分</i>"] --> B["记录<br/>一名学生的全部属性<br/><i>由关键字唯一标识</i>"]
    B --> C["文件<br/>全班学生记录的集合"]
    A2["组合数据项<br/>工资 = 基本+绩效+扣款"] --> B
    classDef base fill:#dbeafe,stroke:#2563eb,color:#1e3a8a
    classDef mid fill:#fef3c7,stroke:#d97706,color:#78350f
    classDef top fill:#dcfce7,stroke:#16a34a,color:#14532d
    class A,A2 base
    class B mid
    class C top

关联对照：这套结构与关系数据库的对应关系

三层结构与关系数据库的模型高度同构：数据项对应字段（列）、记录对应元组（行）、文件对应表，“关键字”对应的正是主键，且两者对”唯一标识”的要求完全一致。

边界在于谁来解释这些结构。数据库自己保存模式（schema），知道每个字段的类型与约束，因此能提供索引、事务、查询语言。文件系统不保存任何模式——它只负责把字节按顺序存下来并原样取出，至于第 3 到第 10 个字节是不是”年龄”，只有应用程序自己知道。

所以现代操作系统里绝大多数文件是无结构的字节流，“记录式文件”主要是早期以磁带、批处理为背景的产物，在 408 中作为概念考查。

文件的属性

一个文件除了自身的数据，还附带一组属性，这些属性并不存放在文件内容里，而是由文件系统单独管理（存放位置见 4.1.2）：

名称是唯一以人类可读形式保存的信息。标识符是文件系统内部使用的一个数字，用户不可读——这两者的区分很关键：人用名字，系统用编号。类型用于支持不同格式的文件。位置指向文件在设备上的存放地址。大小记录当前文件大小。保护记录访问控制信息。此外还有创建时间、最后修改时间和文件所有者信息。

文件的基本操作

操作系统向用户提供的最小操作集合是六个：创建、写、读、重定位（文件寻址）、删除、截断。这六个之所以是”最小集合”，是因为其余复杂操作（如复制）都可以由它们组合完成——复制就是”创建一个新文件 + 从旧文件读 + 向新文件写”。

打开与关闭这两个操作在这个最小集合之外，因为它们并不改变文件本身，只改变进程与文件之间的连接状态。详见 4.1.3。

文件的分类

王道给出四种分类口径，考试中主要考查辨析而非记忆：

按用途分为系统文件、用户文件、库文件。按数据形式分为源文件、目标文件、可执行文件。按存取控制属性分为可执行文件、只读文件、读/写文件。按组织形式和处理方式分为普通文件、目录文件、特殊文件。

边界

普通文件、目录文件与特殊文件的界限

疑问点：普通文件与特殊文件的划分依据

教材原文：“按组织形式和处理方式分类，分为普通文件、目录文件、特殊文件。” 此处”普通”与”特殊”的界限是什么。

划分依据不是文件的内容，而是”读写这个文件时，操作系统把它的内容当作什么来解释”。

普通文件的内容就是数据本身。操作系统不解释其中任何一个字节，只负责原样存取——一个源程序、一张图片、一段视频对文件系统而言毫无区别。

目录文件的内容是由文件目录项组成的表。它在磁盘上同样占用数据块，形式上与普通文件一样，但操作系统会按目录项的格式去解析它，并且不允许用户程序直接用普通的写操作去改它——必须通过创建、删除文件等系统调用间接修改。原因很直接：目录一旦被写坏，整棵目录树就找不到文件了。

特殊文件指各种 I/O 设备在文件系统中的映射（UNIX 与 Linux 中位于 /dev）。它的”内容”根本不在磁盘上——对它的读写会被转交给设备驱动程序，最终变成对物理设备的操作。向 /dev/lp0 写入就是打印，从 /dev/tty 读取就是读键盘。广义：FIFO（管道）、socket 等非普通文件有时也会被归入特殊文件。

所以三者的真正分界是：

普通文件的读写落到磁盘数据块；目录文件的读写落到磁盘数据块但由系统解释格式；特殊文件的读写根本不落到磁盘，而是落到设备驱动。

这也解释了 UNIX 那句著名的设计原则”一切皆文件”的实际含义：统一的不是存储介质，而是访问接口——都用 open/read/write/close，至于底下是磁盘还是打印机，由文件类型决定分派到哪套处理程序。这套分派机制在 4.3.4 虚拟文件系统中会具体展开。

文件名不是文件的一部分

初学时容易默认”文件名存在文件里”。实际上文件名保存在目录项中，而不是文件自身的数据里。

这一点的后果在文件共享时才会显现：同一个文件可以在不同目录下以不同的名字被访问（硬链接），因为名字属于”通往文件的那条路”，不属于文件。

逻辑上的”记录”与物理上的”块”

记录是用户视角的划分单位，盘块是磁盘视角的划分单位，两者互不相干。 一条记录可能跨越两个盘块，一个盘块也可能装下多条记录。

把用户的记录序列映射到磁盘的盘块序列，正是文件系统要做的事，具体在 4.1.4 与 4.1.5 两节展开。

对照速查

层次定义关键点
数据项最低级的数据组织形式基本数据项不可再分；组合数据项由基本数据项构成
记录一组相关数据项的集合靠关键字唯一标识
文件创建者定义的一组相关信息的集合分有结构（记录式）/ 无结构（流式）
分类口径类别
按用途系统文件、用户文件、库文件
按数据形式源文件、目标文件（中间文件，更细的是编译/汇编之后、链接之前生成的文件如.o、.obj）、可执行文件
按存取控制属性可执行文件、只读文件、读/写文件
按组织形式和处理方式普通文件、目录文件、特殊文件
文件类型读写最终落到哪里
普通文件磁盘数据块，系统不解释内容
目录文件磁盘数据块，系统按目录项格式解释，禁止用户直接写
特殊文件设备驱动程序，根本不落到磁盘

考点

  • 自底向上三层：数据项 → 记录 → 文件，基本数据项是不可再分的最小单位
  • 关键字必须唯一标识一条记录
  • 文件属性中，名称是唯一人类可读的，标识符是内部数字
  • 最小操作集合是创建、写、读、重定位、删除、截断六个，打开与关闭不在其中
  • 特殊文件的读写转交设备驱动，不访问磁盘数据块
  • 文件名存在目录项里，不在文件里

链接

反向链接