文件的存储方式、extent 与空闲空间管理怎么理解

前面把目录项、inode、dentry、fd 这些对象关系先理顺之后，再回头看文件系统，接下来最自然的问题其实是两件事：

• 一个文件的数据到底放在哪
• 文件系统又是怎么知道哪些空间还空着

前者更偏“文件的存储方式”，后者更偏“空闲空间管理”。这两块问题经常会放在一起讲，但本质上其实是在回答两个不同的问题：

文件存储解决的是“这个文件的数据块怎么组织、怎么找到”，空闲空间管理解决的是“还有哪些块可以继续分配”。

所以这一篇我想把这两条线先拆开，再放回到同一张图里看。

一、先从磁盘布局看文件系统在管什么

从最粗的角度看，文件系统在磁盘上通常至少要管理下面这些东西：

• superblock
• inode 区
• 数据块区
• 空闲空间管理结构，例如位图

这里面：

1. inode 区

inode 里存的是文件元信息，以及文件数据位置的映射信息，例如：

• 文件类型
• 权限
• 大小
• 时间戳
• 链接计数
• 数据块映射

2. 数据块区

真正的文件内容和目录内容，最终都在数据块区。

3. 空闲空间管理结构

它负责记录：

• 哪些 inode 还没被占用
• 哪些数据块还空闲

所以从磁盘管理角度看，文件系统至少要同时回答两件事：

1. 这个文件已经占了哪些块
2. 还有哪些块将来可以继续分配

二、文件存储本质上在回答什么

文件存储本质上是在回答：

一个文件的内容，最终分布在哪些磁盘块上。

比如一个文件大小是 20KB，如果 block 大小是 4KB，那么这个文件大概需要 5 个 block。

问题就在于：

• 这 5 个 block 是不是连续的
• 如果不连续，应该怎么把它们组织起来
• 文件变大了应该怎么扩展
• 删除后这些块怎么回收

这就是文件分配方式真正要解决的事。

三、经典的 3 种文件分配方式

教材里一般会把文件分配方式分成三类：

• 连续分配
• 链式分配
• 索引分配

这里要特别注意，FAT 更准确地说是链式分配的一种改进，而不是完全独立的第四类。至于位图、空闲链表这些，则属于空闲空间管理方式，不属于文件分配方式本身。

1. 连续分配

连续分配的思路最直接：

一个文件占据一段连续的磁盘块。

例如：

file A -> block 10 ~ block 14

优点

• 实现简单
• 顺序读写性能很好
• 随机访问也方便，因为偏移很好算

缺点

• 文件增长很麻烦
• 容易产生外部碎片
• 很难兼顾灵活性和空间利用率

所以它虽然直观，但对通用文件系统来说并不够灵活。

2. 链式分配

链式分配的思路是：

文件的每个块里记录“下一个块是谁”。

像链表一样把文件的块串起来。

优点

• 文件扩展比较方便
• 不要求连续空间
• 外部碎片问题没那么严重

缺点

• 随机访问很差
• 查第 n 块要一路往后跟
• 块里还要额外留出空间保存链接信息

FAT 本质上也是链式分配思想，只不过它把“下一块是谁”的关系集中存到了 FAT 表里，而不是散落在每个数据块里。

3. 索引分配

索引分配的思路是：

不在数据块里存链，而是专门建立索引结构，记录这个文件用了哪些块。

inode 就是这个思路下最典型的结构之一。

优点

• 随机访问方便
• 文件块不要求连续
• 比链式更适合通用文件系统

缺点

• 小文件也会有一定索引开销
• 大文件时索引结构会变复杂

传统教材里经常会讲一套经典模型：inode 里有多个块地址入口，其中前面一些是直接指针，后面还有一级、二级、三级间接指针。这套模型很好理解，但在现代文件系统里，已经越来越常被 extent 思想替代。

四、extent 是什么

extent 可以理解成：

不再按“一个块一个块记”，而是按“连续区间”来记。

假设一个文件占了下面这些连续块：

100, 101, 102, 103, 104, 105, 106, 107

如果按传统方式一个个记录，就要存 8 个块号。用 extent 就可以直接写成：

(start=100, len=8)

表示：

• 从 100 号块开始
• 连续 8 个块都属于这个文件

1. extent 和连续分配的区别

这两个概念很像，但不能混。

• 连续分配要求整个文件都占据一整段连续空间
• extent 只要求某一段内部连续

所以一个文件完全可以由多个 extent 组成，例如：

extent1 = (100, 8)
extent2 = (300, 5)
extent3 = (900, 12)

这说明：

• 每个 extent 内部连续
• 整个文件不必全局连续

所以 extent 更像是：

索引分配的一种优化形式，用连续区间来代替“一个块一个块记”。

2. extent 解决了什么问题

extent 的核心价值主要有三点：

• 减少元数据
• 更适合大文件
• 尽量保持顺序读写友好性

如果文件很大，而又经常能拿到成片连续空间，那么 extent 比传统逐块记录更省元数据，也更高效。

五、extent tree 是什么

如果一个文件只有少量 extent，那么 inode 里直接存几个 extent 就够了。

但如果文件很大、很碎，extent 数量变多，inode 里放不下，这时候就需要：

用一棵多级索引树来管理 extent。

这就是 extent tree。

1. extent tree 索引的是什么

extent tree 索引的不是文件名，也不是 inode，而是：

文件逻辑块范围 -> extent / 子节点

换句话说，它真正解决的问题是：

某个文件逻辑块，最终应该映射到哪个 extent。

2. 逻辑块和物理块的区别

这里我后来觉得必须单独区分：

• 逻辑块：站在文件内部看，是 0、1、2、3…… 这样连续编号的块
• 物理块：站在磁盘上看，是具体落在哪些 block 上

所以逻辑块通常是连续的，真正可能不连续的是它们映射到的物理块。

extent tree 管理的，正是：

连续逻辑块区间 -> 连续物理块区间

3. extent tree 的节点怎么理解

我现在更倾向于把 extent tree 理解成一棵 B+ 树风格的多级索引树，但不要把它机械等同成数据库里的那种标准 B+ 树。

更准确地说：

• 非叶子节点存的是逻辑块范围索引项，也就是某个子节点管理范围的最小逻辑块起点，以及对应子节点位置
• 叶子节点才存真正的 extent，也就是逻辑块起点、长度和物理块起点

也就是说：

• 非叶子节点负责找路
• 叶子节点负责给出真正映射

4. 为什么要存逻辑块起点

因为查找时，系统要做的是：

• 给我一个文件逻辑块号
• 找到它落在哪个 extent 里
• 再根据偏移量换算出物理块号

所以 extent 里通常至少要有三样东西：

• 逻辑块起点
• 长度
• 物理块起点

三者缺一不可。

5. extent tree 不一定总是多层

这一点我一开始也容易误解。其实 extent tree 的层数取决于 extent 数量：

• extent 很少时，inode 里直接存 extent 就够了
• extent 多一些时，inode 里放根，下面接叶子
• extent 非常多时，才会逐渐长成多层树

所以它更像是一种可扩展的组织方式，而不是“每个文件都一定有一棵固定形态的大树”。

六、空闲空间管理在解决什么问题

文件存储解决的是“文件已经占了哪些块”，而空闲空间管理解决的是：

还有哪些块没被占用，未来还能分给谁。

如果文件系统不知道哪些块空闲，就无法：

• 创建新文件
• 扩展已有文件
• 删除后回收空间

而且它要同时管理：

• 空闲 inode
• 空闲数据块

七、经典的空闲空间管理方式

1. 位图法

这是最常见也最好理解的一种。

它的思路是：

• 一个 bit 表示一个块是否空闲
• 0 表示空闲
• 1 表示已分配

例如：

1 1 0 0 1 0 1

表示某些块已经被占用，某些块还是空闲的。

优点

• 简单直观
• 容易判断某个块是否空闲
• 也比较容易找连续空闲区间

缺点

• 位图本身也要占空间
• 磁盘很大时，位图会比较大

但总体来说，位图法非常实用，所以现代文件系统里依然很常见。

2. 空闲链表法

把所有空闲块串成链表。

优点

• 实现简单

缺点

• 查找连续空闲空间不方便
• 随机找空闲块效率一般
• 链表遍历本身有额外开销

3. 成组链接法

这是对链表法的改进。不是每次只记录“下一个空闲块”，而是一次记录一组空闲块号，减少遍历链表的次数。

4. 计数法

如果一段空闲空间本来就是连续的，就可以记成：

(start=100, count=20)

也就是从 100 开始有 20 个连续空闲块。

这种方式和 extent 的思路其实很像，都是尽量按区间描述，而不是一个一个记。

八、现代文件系统更常见的组合方式

如果只看现代文件系统的大方向，我现在更愿意这样概括：

索引分配思路 + extent 优化 + 位图/分组管理空闲空间

也就是说：

1. 文件数据位置

更多通过 inode 和 extent / extent tree 来管理。

2. 空闲空间

更多通过位图、分组管理、连续区间优化来记录。

3. 分配策略

文件系统在真正分配块时，通常还会考虑：

• 尽量连续
• 尽量减少碎片
• 尽量让同一个文件、同一个目录相关数据彼此靠近

所以它不是只会“找一个空闲块就完事”，而是会尽量兼顾：

• 性能
• 空间利用率
• 碎片控制

九、小结

把这一块整理完之后，我现在更愿意这样总结文件的存储和空闲空间管理：

• 文件存储解决的是“文件的数据块怎么组织、怎么找到”
• 经典文件分配方式主要有连续分配、链式分配、索引分配
• FAT 本质上更接近链式分配的改进版，不是独立第四类
• 空闲表、位图、空闲链表这些属于空闲空间管理方式，不属于文件分配方式本身
• 现代文件系统更常用 inode + extent / extent tree 来管理文件数据位置
• extent 本质上是“连续区间描述”，一个文件可以由多个 extent 组成
• extent tree 是在 extent 太多时，用来索引逻辑块范围的一棵多级树
• 空闲空间管理则负责记录哪些 inode 和数据块还没被占用，常见方法有位图、链表、计数法等

把这条线搭起来之后，后面再去看 page cache、读写流程、零拷贝、碎片、writeback 这些问题，就更容易知道自己在文件系统地图里的哪个位置了。