操作系统面试题 — 什么是文件的逻辑结构和物理结构？

Author : Cyan_RA9
Source : 【卡码笔记】网站
Question : 什么是文件的逻辑结构和物理结构？

【简要回答】

文件的逻辑结构

1. 概念：
   • 定义：是指用户视角下文件的组织形式，决定用户如何访问和操作文件内容，与物理存储无关。
   • 分类：无结构文件（流式文件）、有结构文件（记录式文件）。
2. 无结构文件（流式文件）：
   • 文件内容是无序的字符流/字节流，没有固定结构（如文本文件、二进制文件），适用于文本、图像、可执行文件等，需要用户程序自行解析。
3. 有结构文件（记录式文件）：
   • 介绍：由若干条记录组成，每条记录包含若干字段（如数据库表）；按照文件的组织方式，可把有结构文件分为四类：顺序文件、索引文件、索引顺序文件 和 直接文件。
   • 顺序文件：记录按顺序存储，定长记录的文件可以经过简单计算进行随机查找，但变长记录的文件则必须从头遍历顺序查找。
   • 索引文件：通过索引表直接定位记录，支持快速查找。
   • 索引顺序文件：结合顺序和索引结构，按组/块建立索引，组间关键字必须有序，组内关键字可以是无序的。
   • 直接文件：通过散列函数等手段直接计算记录的存储位置。

文件的物理结构

1. 概念：
   • 定义：文件在存储设备（如磁盘）上的实际存储方式。
   • 分类：连续分配、链接分配、索引分配。
2. 连续分配：
   • 文件占据连续的物理块，支持顺序访问和随机访问，可能产生外部碎片。
3. 链接分配：
   • 文件块在物理上不连续，盘块之间通过指针链接，无外部碎片，但随机访问效率极低（尤其指隐式链接）。
4. 索引分配：
   • 为每个文件分配一个索引块，使用索引块记录所有盘块号位置，支持快速随机访问，但索引块占用额外空间。

【详细回答】

文件的逻辑结构

1. 概念：
   • 定义：文件的逻辑结构是指从用户的角度出发所观察到的文件的组织形式，它独立于文件的物理特性，在用户看来，文件的逻辑记录是进行存取操作的基本单位。
   • 分类：流式文件（无结构）、记录式文件（有结构）。
2. 无结构文件（流式文件）：
   • 文件内容为连续的字符/字节序列，其长度以字节为单位，无固定结构，需要通过读写指针来指出下一个要访问的字符。
   • 大多数现代操作系统如Linux系统只提供流式文件，即使是有结构文件，也被视为流式文件，系统不会对文件进行格式处理和解释，对文件内容的具体解释方式由具体的应用程序来决定。
3. 有结构文件（记录式文件）：
   • 介绍：由若干条记录组成，支持按记录访问和操作。记录是文件内独立的最小信息单位。
   • 分类：
     • 按记录长度：定长记录（“以空间换时间”）、变长记录（“以时间换空间”）。
     • 按组织方式：顺序文件、索引文件、索引顺序文件、直接文件。
   • 顺序文件：
     1. 定义：是指记录在逻辑上按某种顺序排列所形成的文件，具体存储方式可以选择顺序存储 或者 链式存储。顺序文件中的记录通常是定长的。
     2. 分类：串结构（记录顺序与存入时间有关，与关键字无关）、顺序结构（记录按用户指定的关键字排序，检索时可采用折半查找）。
     3. 适用场景：适合批量顺序访问（例如磁带）。
     4. 查找方式：顺序查找（不定长记录）或 折半查找（定长记录）。
     5. 平均查找次数：(N+1)/2 或 logN（N 为记录总数）。
   • 索引文件：
     1. 定义：是指除了文件本身外，另建立一张 索引表，由索引表和主文件一起构成的文件。其中索引表记录了每条记录的指针和记录的长度。由于索引表按关键字排序，所以索引表本身其实是一个定长记录的顺序文件。
     2. 优点：把对变长记录顺序文件的顺序查找 转变为 对定长记录索引文件的随机查找。
     3. 缺点：每个记录都要有一个索引项，使得索引表增加了存储开销。
     4. 查找方式：直接查找。
     5. 平均查找次数：1（理想情况下）。
   • 索引顺序文件：
     1. 定义：对文件记录先进行分组，然后为每组的第一条记录在索引表中建立一个索引项。分组的组间关键字必须有序，组内关键字可以无序。
     2. 提升点：减少索引表大小且减少了访问单条记录的时间，同时保留了文件的顺序特性。
     3. 查找方式：组间采用折半 or 顺序查找；组内采用顺序查找（类似于数据结构中的分块查找）。
     4. 平均查找次数：√N（假设记录均匀分布 — 最好情况下）。
   • 直接文件：
     1. 定义：根据给定的关键字直接获得指定记录的物理地址，即关键字本身就决定了记录的物理地址。例如，通过散列函数直接计算记录的物理地址，散列文件属于直接文件中的一种。直接文件常在要求快速访问时使用，且记录的长度是固定的。
     2. 优点：访问速度快（时间复杂度 O(1)）。
     3. 缺点：散列冲突需处理，不适合范围查询。
     4. 平均查找次数：1（无冲突时）。

文件的物理结构

1. 概念：
   • 定义：文件的物理结构是指文件在外存上的存储布局，是用户不可见的，决定如何分配和访问物理块。
   • 分类：连续分配、链接分配、索引分配。
2. 连续分配：
   • 定义：文件占据磁盘上连续的物理块。
   • 优点：顺序访问速度快（磁头移动少）；支持顺序访问 和 随机访问，对于顺序文件，还可以根据文件的逻辑地址直接找到物理地址。
   • 缺点：外部碎片比较严重；无法灵活地删除和插入记录，文件扩展困难；对于动态增长的文件，很难为其分配空间。
3. 链接分配：
   • 定义：磁盘块之间通过指针链接，根据指针位置的不同，又可细分为 隐式链接 和 显式链接。
   • 分类：
     1. 隐式链接：
        • 定义：文件的目录项记录“指向文件第一个盘块和最后一个盘块”的指针，除最后一个盘块外，每个块末尾存储下一块的指针。每次访问文件的其中一个盘块时，都需要从第一个盘块开始逐个读出下一个盘块的指针，直到找到目标盘块。
        • 优点：无外部碎片，支持动态扩展。
        • 缺点：只支持顺序访问，对于随机访问极其低效；可靠性低（指针损坏直接导致数据丢失）；指针需要占用一定的磁盘空间。
     2. 显式链接（FAT）：
        • 定义：显式链接相当于把隐式链接中每个盘块末尾的指针提取出来，存放在一张表中，该表称为文件分配表（File Allocation Table，FAT）。FAT一个磁盘中仅设置一张，存放在磁盘的固定位置。FAT所有文件共用，开机时操作系统会将其从磁盘读入内存并常驻内存，因此查找FAT的过程是在内存中进行的。
        • 优点：支持快速随机访问（通过 FAT 表）；减少了访盘次数，提高了访问速度。
        • 缺点：FAT 表占用内存空间（如 FAT32 需常驻内存），对于大容量磁盘，其FAT的表项很多，因而内存开销非常大。
4. 索引分配：
   • 定义：为每个文件分配一个存放索引表的磁盘块，称作索引块，把分配给该文件的所有盘块号都记录在该索引块中，索引块的第i个条目指向文件的第i个块。文件目录项中记录指向索引块的指针，当查找和读取第i个块时，采用索引块中的第i个条目的指针来查找。
   • 优点：支持高效随机访问；扩展性好；而且不会产生外部碎片。
   • 缺点：索引块占用额外存储空间，而且大文件需多级索引（如 Unix inode 的直接/间接块）；存取文件需要两次/多次访盘，降低了文件的存取速度。

【知识拓展】

文件的物理结构示意图

1. 连续分配示意图如下：
   
2. 链接分配（隐式链接 和 显式链接）示意图如下：
   
3. 索引分配示意图如下：