本文由作者周梁伟授权网易云社区发布。
近日做的项目中涉及到多进程共同读写多个文件的问题，文件名和最后修改时间都是可能会被频繁修改的，因而识别文件的唯一性会产生相当的麻烦，于是专门再学习了一下文件系统对文件的组织管理方式。
一、 文件在文件系统中的组织方式
一块物理磁盘可以被分为若干个分区，分区的初始化操作就是在上面建立文件系统，如ext3,ext4,ntfs或fat32等都是文件系统的概念，还有网络文件系统如NFS等。同块磁盘上的不同分区也可以被指定不同的文件系统，文件系统对文件在磁盘上的数据读写方式做了抽象。一个文件系统中又被分为多个卷（Cylinder Group）,每个卷中最主要的部分是inode基路段和数据块段。i-node结构唯一指定了一个文件实例，这个数据结构中包括了inode编号，所有包含的数据块的信息和该inode被引用的计数等。可以这么认为，要唯一识别的一个磁盘上的文件，只需要获得inode-number就可以了。文件或者目录则是存放在数据块中directory block，其中包含了文件名和实体文件的inode-number等信息。文件名是可以随时被改变的，只要其中的inode-number没有发生改变，则指向的就是同一个文件。所以在应用程序中要判断文件是否相同如果依靠filename是不可靠的，只有获取到文件的inode-number才是可靠的。如在log4j这种日志应用中，日志文件的归档方式会使文件名不断发生变化，当前你less到的app.log在下一分钟可能就变成了app.log.1。在这种场景下，程序只能通过获取文件inode-number来识别文件。
二、 文件操作
前面说了文件在磁盘上的存放是以inode-number为唯一id来区分的，在进程打开一个文件读写时，操作系统又会为文件分配一个"指针"来访问文件，而不是直接使用inode-number。这个指针就是FileDescriptor(下面简称FD)，FD是一个动态的概念，是进程中调用create后open文件操作是返回的一个Long值，当文件关闭时这个FD也就失效了，所以同一个文件如果被打开两次获取到的FD会是不同的。进程打开文件的情况如下图所示，在进程中维护了一张表记录所有打开的文件，每一条记录表示一个FileDescriptor，每个进程在开始时都默认打开了三个文件，FileDescriptor分别是0，1，2，既stdin, stdout和stderr。FD记录中包含了一张FileTable，记录了文件的状态信息，offset和V-node指针，V-Node指针才真正指向了磁盘上的文件实体。(这里的V-Node是在inode之上抽象出来的概念，因为i-node在不同的文件系统中会有实现上的差异，V-Node是为了统一不同文件系统的接口抽象出来的一层，在Linux中V-Node被称为 FileSystem independent INode ，而INode 称为FileSystem dependent Inode，我们可以简单的理解为 V-Node就是INode)。
图
当一个文件被多个进程共享读写时，可以看如下图：
这里进程A的fd3和进程B的fd4其实指向的是同一个实体文件，但是这两个进程维护了两张不同的文件表，维护了不同的offset位置。所以如果进程不是采用append方式写文件，两个进程写入的内容可能出现相互覆盖。这里也可能看到虽然FD不同，但是可以指向同一个实体文件，也说明了用FD来判断文件唯一性是不靠谱的。
关于FD和INode，还有关于缓存的重要注意事项。
由于操作系统在接收到文件写请求时可能将写入内容放到缓存中，所以提供了flush和sync等操作来将缓存中的内容强制刷入磁盘。但是这两个操作作用是不同的。
flush会将数据刷入到FileDescriptor中，但是不会刷入Inode
sync/fsync/fdatasync则会强制将FD中的数据刷入Inode中。
三、 Java操作文件的接口
最后需要注意的一点是，虽然在文件的存续期间，inode可以认为是识别该文件的唯一标识，但是文件系统对inode有回收重用的机制，在文件被删除之后，原来的inode可以被分配给新创建的文件，这种情况下，如果一味以inode相同来判定新旧文件是不是同一个文件可能会出现错误;应对这种情况确实也没有更好的办法，一种解决方法是，提取文件中部分内容的MD5或SHA-1这种指纹信息作为标识，以inode+md5是否相同来决定是否是同个文件。
免费领取验证码、内容安全、短信发送、直播点播体验包及云服务器等套餐
更多网易技术、产品、运营经验分享请访问网易云社区。
相关文章：
【推荐】 知物由学 | 一文读懂互联网内容审核机制
【推荐】 内容审核向左，还是向右？
网友评论