什么是稀疏文件，我们为什么需要它？

Posted 2023-03-17

【中文标题】什么是稀疏文件，我们为什么需要它？

【英文标题】：What is a sparse file and why do we need it?

【发布时间】：2017-08-24 21:41:24

【问题描述】：

我唯一能得到的是它是一个非常大的文件并且它很高效（以千兆字节为单位）。效率如何？

【问题讨论】：

据我了解背后的技术是，如果你有很多 0 字节块的大文件（例如，你正在使用哈希算法计算存储数据的位置），操作系统不会分配 0 字节的块，只分配你需要的数据。我以前从未使用过它，因为我从未有过我描述的任务。

0 字节的块？请解释@nabuchodonossor

好的，你也可以谷歌（微软 ntfs 稀疏文件）并从那里找到解释，但你问了，所以我复制并粘贴了一点：“其中大部分数据为零的文件据说包含稀疏数据集。像这样的文件通常非常大，例如，包含要处理的图像数据的文件或高速数据库中的矩阵。包含稀疏数据集的文件的问题是大部分文件不包含有用的数据，因此，它们对磁盘空间的使用效率低下......"

【参考方案1】：

假设您有一个包含许多空字节\x00 的文件。这些许多空字节\x00 被称为空洞。存储空字节效率不高，我们知道文件中有很多空字节，那么为什么要将它们存储在存储设备上呢？我们可以改为存储描述这些零的元数据。当一个进程读取文件时，这些零字节块会动态生成，而不是存储在物理存储中（查看 Wikipedia 中的此示意图）：

这就是稀疏文件高效的原因，因为它不会将零存储在磁盘上，而是保存足够的数据来描述将生成的零。

注意：逻辑文件大小大于稀疏文件的物理文件大小。这是因为我们没有将零物理存储在存储设备上。

---

编辑：

当你运行时：

$ dd if=/dev/zero of=output bs=1G count=4

此处的命令将 4G 空字节块复制到output。要看到：

$ stat output
File: ouput
  Size: 4294967296      Blocks: 8388616    IO Block: 4096   regular file
--omitted--

你可以看到这个文件有8388616块分配给它，这些块只存储从/dev/zero复制的空字节，它们确实占用了物理磁盘空间，它们是存储在磁盘上的孔（稀疏零）。 dd 完成了您的要求，将数据块从一个文件复制到另一个文件。

现在，运行这个命令来检测漏洞并使文件就地稀疏：

$ fallocate -d output
$ stat output
File: swapfile
  Size: 4294967296      Blocks: 0          IO Block: 4096   regular file
--omitted--

你注意到什么了吗？现在的块数为 0，因为仅存储空字节的块已被释放。请记住，output 的块不存储任何内容，只有一堆空零，fallocate -d 检测到仅包含空零的块并释放它们，因为该文件的所有块都包含零，所以它们都被释放。

还要注意大小是如何保持不变的。这是文件的逻辑（虚拟）大小，而不是它在磁盘上的大小。知道output 现在不占用物理 存储空间至关重要，它分配了0 个块，因此我并没有真正使用磁盘空间。运行fallocate -d 后保留的大小，因此当您稍后从文件中读取时，您会得到文件系统在运行时为您生成的空字节。然而output 的物理大小为零，它不使用任何数据块。

请记住，当您读取 output 文件时，空字节是由文件系统在运行时动态生成的，它们不是真正物理存储在磁盘上，并且文件的大小由 @987654337 报告@ 是逻辑大小，output 的物理大小为零。在这种情况下，当进程读取文件时，文件系统必须生成 4G 的空字节。

使用dd生成稀疏文件：

$ dd if=/dev/zero of=output2 bs=1G seek=0 count=0
$ stat 
stat output2
  File: output2
  Size: 4294967296      Blocks: 0          IO Block: 4096   regular file

GNU dd 内部使用 lseek 和 ftruncate，所以检查 truncate(2) 和 lseek(2)。

【讨论】：

那么，当我们用这个方法创建一个文件时，sudo dd if=/dev/zero of=/swapfile bs=1G count=4，那么这个文件在磁盘上的大小为零？对吗？

当您使用sudo dd if=/dev/zero of=/swapfile bs=1G count=4 创建文件时，磁盘上的大小不会为零。因为dd 将零字节复制到您的文件中。换句话说，您实际上已将零字节从/dev/zero 复制到/swapfile。但是，此命令 dd if=/dev/zero of=sparse_file bs=1G seek=4 count=0 会生成一个稀疏文件，您可以在两个文件上运行 stat 并查看 Blocks 字段如何更改。您的命令是制作交换文件的推荐方法。

如果你运行fallocate -d /swapfile，这个命令就地生成一个交换文件，删除所有分配给/swapfile的空字节数据块。同样，您可以在运行 fallocate 命令后使用 stat /swapfile 检查，看看分配的块数会发生什么变化。但是，不要对交换文件执行此操作，请在另一个文件上进行测试。

@Luv33preet 我已经编辑了我的答案。它们是存储在磁盘上的孔（只是稀疏的零），因此文件不是稀疏的。稀疏文件通过不在磁盘上存储稀疏零来有效地使用磁盘空间。

@direprobs 我试图编辑您的最后一个示例以匹配您的评论。答案中的文字没有按预期工作。但是修改被拒绝了。请批准修改或自行修改，我确定这只是复制粘贴错误。

【参考方案2】：

稀疏文件是一个大部分为空的文件，即它包含大块字节，其值为0（零）。

在磁盘上，文件的内容存储在固定大小的块中（通常为 4 KiB 或更大）。当这样一个块中包含的所有字节都是0时，实现稀疏文件的文件系统不会将该块存储在磁盘上，而是将信息保存在文件元数据中的某个位置。

使用稀疏文件的好处：

空数据块不占用磁盘空间；它们不作为常规数据块存储，它们的标识符（仅使用几个字节）存储在文件元数据中；这样每个空块可以节省 4 KiB（或更多）的磁盘空间； 从稀疏文件中读取空数据块不需要时间；发生这种情况是因为没有从磁盘读取数据；由于文件系统知道块中的所有字节都是0，它只需将输入缓冲区中的所有字节设置为0，数据就准备好了；无需访问慢速存储设备； 将空数据块写入稀疏文件不需要时间；在写入时，文件系统检测到块是空的（它的所有字节都是0）并将块ID放入空块列表（在文件元数据中）；没有数据写入磁盘。

有关稀疏文件的更多信息，请访问Wikipedia page。