文件系统的物理结构分配
在计算机世界中，文件是数据的抽象集合，它为用户提供了一种直观的方式来处理数据。而这些文件的数据最终必须存储在具体的物理设备上，例如HDD、SSD 或是 USB。这些存储设备通过设备控制器将他们的物理介质映射为一个巨大的、可随机寻址的地址空间，我们可以将其看作一个超大的数组。一个设备可以储存多个文件，那么，如何将多个抽象的文件映射到这一巨大空间上，就是一个非常重要的问题。文件系统的设计在这里起着至关重要的作用，它必须以合理的方式将文件分布到物理存储介质上，以确保存储和访问的高效性。本文将为您介绍几种经典的文件分配方式及其优缺点。
物理存储的基本概念：块与簇
当硬盘经过设备控制器抽象为一个超大的数组后，对于设备来说，块（block）通常是存储介质的最小单元。每个块有固定的大小，例如 4KB，由存储介质本身决定。这些块是存储设备的最小分配和管理单位。而为了更好地利用空间并减少管理开销，在系统中，块可以进一步组合成更大的存储单位，称为簇（cluster），通常簇由几个连续的块组成。通常在格式化时可以指定簇大小，之后就不再改变，一簇至少包含一个块，也可以设定为包含多个块。
簇的大小直接影响到存储效率和文件系统的性能。大簇（如32KB或64KB）意味着每个簇可以容纳更多数据，从而减少文件系统管理这些簇的开销，管理更容易且读写性能高，但会导致即使是 1 字节的文件也会占用一簇，造成小文件占用过多空间的情况，导致内部碎片（internal fragmentation）。反之，小簇（如512字节或4KB）可以减少内部碎片，但会增加管理簇的复杂性和处理开销。因此，簇大小的选择是权衡存储效率与管理开销的重要决策。
在格式化完成后，簇就成为文件系统视角下的最小分配单位，后文就不区分这两个概念了。
连续分配：最简单却难以扩展的方案
存储器已经划分为以簇编址的巨大数组，而文件也被划分为几簇，接下来我们要考虑怎样为他们安排位置。
连续分配（Contiguous Allocation）是文件系统中最简单的物理分配方式。它将文件存储在一组连续的簇中。在文件记录中，只需要存储文件的起始位置和长度，这样在访问文件时，只需要从起始位置开始，读取指定长度的数据即可。由于连续分配的文件在物理磁盘上是紧密排列的，因此它非常适合随机访问（random access），尤其是对大文件的顺序访问时，性能表现十分优秀。当新增文件时，直接找到可容纳下文件的连续块插入即可。
然而，连续分配也有许多致命缺点：
- 外部碎片（External Fragmentation）：随着文件不断地创建和删除，磁盘空间会被割裂为许多不连续的小块，导致碎片化，最终可能出现虽然总空间足够，但无法找到足够连续空间分配给新文件的情况。
- 文件大小固定：由于文件必须存储在连续的空间中，因此文件的大小在创建时就需要确定，且不能动态扩展。如果文件需要增长，就可能会覆盖其他文件的数据。
- 频繁的数据移动：如果文件需要扩展而当前空间不足，就可能需要将文件移动到其他更大的连续区域，这将导致大量的数据移动（data movement），耗费性能。
这些缺点使得连续分配在现代操作系统中很少使用，尤其是在面对高频率的文件操作时。然而，在某些特定情况下，例如对于磁带这样的顺序访问存储介质（sequential access storage medium），连续分配仍然是有效的选择。
简单链表分配：解决碎片问题的尝试
为了解决外部碎片的问题，一种改进的方法是链表分配（Linked Allocation）。在链表分配中，文件被分为多个块，每个块通过一个指针链接到下一个块，从而形成一个链表。文件记录只需要存储文件的第一个块的地址（以及可能的最后一个块地址），其余的块通过链表指针进行访问。这样离散的分配方式也就不再有外部碎片。
然而，链表分配也有明显的缺点：
- 无法随机访问：由于块之间通过指针链接，无法直接跳转到某个特定块，因此只能顺序访问（sequential access）文件的内容。如果需要访问文件的某个特定位置，必须从头开始遍历整个链表。
- 可靠性问题：由于每个块都通过指针链接，一旦某个块的指针损坏，就会导致整个文件的剩余部分无法访问。
- 存储开销：每个块需要额外存储一个指针，这增加了存储开销，文件越小，这种额外开销带来的浪费越显著。
链表分配解决了外部碎片的问题，但由于无法随机访问和存储开销大的缺点，使得它在现代操作系统中的应用也较为有限。
显式链表分配：文件分配表 (FAT)
在链表分配的基础上，另一种改进方式是显式链表分配（Explicit Linked Allocation），即将每个块的指针信息集（即下一块）中存储在一个专门的表中（而非储存到每个块中），这就是文件分配表（File Allocation Table, FAT）。FAT 是一种将每一个簇和其后续簇的位置关系集中存储的结构，通过查找文件的起始簇，可以逐步找到文件的所有簇。
在 FAT 结构下，文件记录仍只需要存储文件的起始块位置，然后通过 FAT 来找到其他块的位置。这样的设计使得在文件内进行块间跳转变得更加方便，虽然 FAT 仍然不能真正实现随机访问，但跳转速度相较于简单链表分配要快得多。为了提高访问速度，操作系统通常将 FAT 缓存在内存中，从而在文件访问时减少对磁盘的频繁读取。
FAT 结构具有如下特点：
- 集中管理链表信息：通过将所有簇的信息集中管理，FAT 使得文件的管理更加简单，整个文件系统只需要一张表，特别是在进行空间分配和回收时，能有效追踪哪些簇是空闲的。
- 提高访问效率：由于 FAT 可以被缓存到内存中，文件访问的速度显著提高，尤其是在文件内部跳转时。
- 文件限制：簇大小和指针位数决定了单文件大小的上限。假设一个 FAT 文件系统使用 16 位指针来表示每个簇的位置，并且簇的大小为 4KB，那么可以表示的最大簇数是 2^16 = 65536 个簇。因此，该文件系统支持的最大文件大小为 65536 * 4KB = 256MB。
FAT 系列文件系统最早设计于 1977 年，历经多次演化，至今仍有应用，特别是在嵌入式设备和闪存设备（如 USB 闪存）中。FAT 系列文件系统（如 FAT16、FAT32）由于其简单性和广泛兼容性，成为了很多嵌入式设备的首选。exFAT 是微软在 2006 年引入的一种新的文件系统，专为闪存设备设计，主要目的是在 FAT32 的基础上克服其局限性，相比上面介绍的原始版本拓展了很多功能，同时保持兼容性。
索引分配：真正实现随机访问
在离散存储的基础上，显然不一定要使用链表。可以在文件记录中以变长数组记录每个块的位置，这样就可以实现真正的随机访问。这种数组叫做索引（index），这种分配方式称为索引分配（Indexed Allocation）。在索引分配中，文件系统会为在每个文件的文件记录里维护其索引块，索引块中存储了文件各个数据块的物理位置。通过查找这个索引块，操作系统可以直接定位到文件的任意块，从而实现快速的随机访问。简单来说，索引用数组实现就可以，也可以选择二叉树或哈希表，这就不是本文的重点了。
单级索引（Single-Level Index）是最简单的一种索引分配方式，其中每个文件都有一个单独的索引块，记录文件的所有数据块位置。这使得文件的访问变得非常灵活，特别是对于需要频繁随机访问的场景，索引分配具有显著的优势。此外，由于索引块集中存储了所有的块位置，文件的增删也变得更加容易，只需更新索引块即可，无需对物理块进行复杂的移动操作。
例如，假设一个单级索引系统，每个索引块的大小为 4KB，且每个指针占用 4 字节，那么一个索引块最多可以容纳 4KB / 4B = 1024 个指针。如果每个数据块的大小也是 4KB，那么这个文件系统支持的最大文件大小为 1024 * 4KB = 4MB。
由此可以看出，单级索引适用于中小型文件。然而，索引块的大小是有限的，这意味着单级索引的文件大小上限很低，只能用于较小的文件。对于非常大的文件，则需要使用其他的多级索引方案。
多级索引
由于文件记录的大小通常是有限的，因此文件系统引入了多级索引（Multi-Level Indexing）的概念，也叫间接索引。多级索引通过使用多个层次的索引块来管理文件的数据块位置。例如，两级索引（Two-Level Indexing）使用一个一级索引块指向多个二级索引块，而二级索引块则记录文件的数据块位置。这种设计使得文件系统可以存储比单级索引更大的文件。
以二级索引为例子，文件记录中储存的索引是一级索引，一级索引中指向的块并非文件本身，而是其他索引块，叫做二级索引，由二级索引记录文件簇的物理位置。
混合索引：现代文件系统的主流
多级索引提高了单文件大小的上限，但是，如果文件记录中全部使用多级索引，即使只有 1 字节的文件，也至少需要占用多级索引中每一级索引块各一个。文件越小，索引本身带来的开销越大。
现代文件系统为了平衡小型文件和大型文件的存储需求，引入了混合索引（Hybrid Indexing）的方式。混合索引结合了直接索引、间接索引和多级索引的优点。例如，在某些文件系统中，文件记录中包含了一些直接指向数据块的指针（适用于小文件），以及间接指向索引块的指针（适用于较大的文件）。这种设计使得文件系统能够高效地处理各种不同大小的文件，既能减少小文件的管理开销，又能支持大型文件的高效存取。
例如，假设一个文件系统使用混合索引的方式，每个 inode 包含 12 个直接指针、1 个一级间接指针、1 个二级间接指针以及 1 个三级间接指针。假设每个数据块大小为 4KB，每个指针占用 4 字节。则：
- 直接指针：可以直接指向 12 个数据块，存储大小为 12 * 4KB = 48KB。即 48 KB 以下的文件只需要单级索引。
- 一级间接指针：即前文介绍的单级索引，指向一个索引块，该索引块包含 4KB / 4B = 1024 个指针，每个指针指向一个数据块，因此可以存储 1024 * 4KB = 4MB 的数据。即 4 MB + 48 KB 以下的文件只需要前两级索引。
- 二级间接指针：指向一个索引块，该索引块中的每个指针又指向另一个索引块，这样可以指向 1024 * 1024 个数据块，共计 1024 * 1024 * 4KB = 4GB 的数据。
- 三级间接指针：同样道理，可以指向 1024 * 1024 * 1024 个数据块，共计 1024 * 1024 * 1024 * 4KB = 4TB 的数据。
因此，该混合索引结构支持的最大文件大小约为 48KB + 4MB + 4GB + 4TB。由此可以看出，混合索引的设计使得文件系统既能够高效地处理小型文件，又可以支持非常大的文件。
当内存中已有 inode 时，寻找 n 级间接指针中的页需要 n+1 次磁盘 IO。以 3 举例，首先读 inode 中保存的三级索引块地址，然后读三级索引块中保存的二级索引块地址得到二级索引块，然后读二级索引块中保存的一级索引块地址得到一级索引块，最后读一级索引块中的真实地址，共读 4 次。
混合索引方式被广泛应用于现代绝大多数文件系统中，例如：
- NTFS（New Technology File System）：是 Windows 操作系统的默认文件系统，使用了混合索引结构来实现对文件的灵活管理。
- HFS+（Hierarchical File System Plus）：是 macOS 中曾经使用的文件系统，通过索引节点和混合索引来管理文件。
- APFS（Apple File System）：是苹果公司为 macOS、iOS 等设备开发的新一代文件系统，同样使用了混合索引来提高文件访问的效率和灵活性。
- ext4（Fourth Extended File System）：是 Linux 操作系统中的默认文件系统，使用了混合索引结构，并通过扩展的多级索引和日志机制来提高文件的管理效率和可靠性。
混合索引结构的优势在于其对小型文件和大型文件的适应性，使得文件系统能够在各种应用场景下提供高效的存储和访问性能。因此，混合索引成为了现代文件系统设计的主流选择。通过这种方式，文件系统不仅能够高效管理存储空间，还能够提供灵活的随机访问能力，以满足不同用户和应用程序的需求。
