TpsFs目录索引

Posted 2020-10-18

1.低版本TpsFs的目录索引算法

文件系统中，一个目录由一个inode节点（记录文件属性）及众多目录项（entry）组成，目录项用于对该目录下各个子文件进行索引，通常目录项中会记录如下信息。

• 子目录的文件名称；

• 文件名称的长度；

• 子目录inode节点所在位置。

当查找一个文件时，通常是先找到该文件的inode节点，inode节点是根据其父目录内对应的目录项所记录的inode节点位置进行查找的。因此目录项的索引效率的高低对文件查找有着很大的影响。

以前的TpsFs版本中，一个文件夹下目录项的存储通常是顺序存储，当我们去查找一个文件夹下面的子文件时，会将众多目录项从磁盘内逐一读出，并用目录项下的文件名称进行比较。查找目录项算法如图1.1所示。

图1.1 依次遍历目录项

这种算法的缺点是当一个文件夹内的目录项数目很多，并且待查找的目录项又在文件夹末尾时，则需要将这些目录项全部从磁盘内读出，磁盘访问次数急剧增加，从而影响了目录索引的效率。

2.高版本TpsFs的目录索引算法

在3.2.5 SylixOS内核版本以后，TpsFs为了提高目录索引效率，采用了B+树方式对目录内的目录项进行存储。当TpsFs新建一个目录时，不仅仅只是建立该目录的inode节点，同时还会建立B+树根节点并初始化。当需要向该目录内增加子文件时，该算法先通过murmurhash哈希算法算出该子文件对应的Hash值，并将该Hash值做为B+树的键值，该B+树的叶子结点的键值用于存储目录项的位置。

下面举例说明这种算法的存储过程，TpsFs在根目录下分别建立a.txt、b.txt、c.txt文件，其过程如下：

• TpsFs通过Murmurhash算法算出a.txt的Hash值为10，该值做为B+树键值；为a.txt目录项分配空间，该空间的位置由B+树键值索引。

• TpsFs通过Murmurhash算法算出b.txt的Hash值为20，该值作为B+树键值；为b.txt目录项分配空间，该空间的位置由B+树键值索引。

• TpsFs通过Murmurhash算法算出c.txt的Hash值为30，该值作为B+树键值；为c.txt目录项分配空间，该空间的位置由该B+树键值索引。

创建成功后，各个子文件对应的目录项的位置如图1- 2所示。

图1- 2 各个子文件对应目录项位置

根据B+树的特点，当采用上述这种算法时，查找某目录下的一个子文件所需要访问的磁盘次数即为整个B+树的深度，TpsFs中的B+树一个节点可以存储几百个键值，也就是说当一个文件夹内存在几百个文件时，其B+树深度也还是1，这比低版本的依次遍历算法的效率明显高出很多。B+树的深度通常由B+树一个节点所能容纳的最大键值数和总的键值数决定，这里不多做讨论，可自行了解B+树的基本定义，TpsFs中最大节点数定义在libsylixos\SylixOS\fs\tpsFs\tpsfs_btree.h文件内。

2.1Murmurhash算法特点

Murmurhash算法是一种非加密型哈希函数，适用于一般的哈希检索操作，其特点为速度快、实现32位、238位Hash键值，具有较高的平衡性和低碰撞率，也就是说，不同文件名对应的Hash值相同的概率很低。

虽热不同文件名Hash值重复的概率较低，但也是有可能发生的，当出现不同文件名对应相同的Hash值时，TpsFs会将Hash值重复的子文件的目录项保存到低版本时所采用的数据区，即还是采用如图1- 2所示的算法对子文件的目录项进行查找。

3.总结

目录索引算法的好坏对文件系统查找效率有着很大的影响，TpsFs在多处索引算法上都采用B+树，其查找、修改、插入都有着较为稳定的时间复杂度。