什么是“稀疏文件”("sparse file")，可以识别它们吗？

环境

• 红帽企业版Linux 5、6和7

问题

• 文件的ls和df之间的文件大小不一致。

• 该文件报告较大（128Gb），但文件系统甚至没有那么大。这怎么可能？

  # ls -lah datafile
   -rw------- 1 root root 137438953440 May 28 10:05 datafile 
  
  # df -h 
  Filesystem Size Used Avail Use% Mounted on 
  /dev/sda     20G 9.8G 9.0G 53%     /         

决议

• 有问题的文件可能是稀疏文件。
• 稀疏文件是指其元数据报告一个大小的文件，但是文件的实际数据消耗的大小不同。
• 稀疏文件是有效使用磁盘空间的常用方法。

• 您可以使用ls -lsh命令查看稀疏文件。这提供了两个大小列：

  $ ls -lsh datafile
   12G -rw-r----- 1 root root 24G 2010-01-10 19:55 data 
   ^ - - - - - - - - - - - - - ^ 

• 第一列是实际使用的磁盘空间。该文件实际上消耗了12Gb的空间。

• 第二个大小列提供文件元数据的大小。该文件的元数据报告它是24Gb文件。

稀疏文件的使用

• 要复制稀疏文件，必须使用能够识别稀疏文件的命令。

•     cp --sparse=always /source/filename /destination/filename
      dd if=/source/filename of=/destination/filename conv=sparse
      rsync -S /source/filename root@hostname:/destination/filename

• 使用scp实用程序复制文件将导致“非稀疏”文件扩展为完整大小。

根本原因

• 在稀疏文件中，与那些区域保存非零数据时相比，文件全为0x00的部分被压缩以占用更少的空间。

诊断步骤

可以使用truncate命令轻松创建稀疏文件：

 

# truncate --size=1G sparsefile.bin 

我们可以使用ls -lsh查看稀疏文件的大小：

 

# ls -lsh sparsefile.bin 
0 -rw-r--r-- 1 root root 1.0G Nov 6 09:00 sparsefile.bin 

该文件占用0字节的空间，但是其元数据报告文件大小为1Gb。

我们可以将1Mb写入该文件：

 

# for i in {1..1048576}; do echo -n "a" >> sparsefile.bin; done 

然后再次检查其大小：

 

 # ls -lsh sparsefile.bin 
1.0M -rw-r--r-- 1 root root 1.1G Nov 6 09:01 sparsefile.bin 

该文件现在消耗了1Mb的实际空间，但是元数据报告的使用量为1.1Gb。元数据的轻微增长是由于分配了文件系统块来存储文件的数据。

将此文件与相同大小的完全分配的文件进行比较：

 

 # dd if=/dev/zero of=fullfile.bin bs=1M count=1024 conv=fsync 
# ls -lsh fullfile.bin 
1.1G -rw-r--r-- 1 root root 1.0G Nov 6 09:05 fullfile.bin 

该文件实际消耗了1Gb以上的空间，其元数据报告的文件大小也为1Gb。

我们可以使用stat命令从这两个文件中获取更多信息：

# stat sparsefile.bin
 File: `sparsefile.bin'
 Size: 1074790400 Blocks: 2048 IO Block: 4096 regular file 
Device: fd00h/64768d Inode: 134154 Links: 1 
Access: (0644/-rw-r--r--) Uid: ( 0/ root) Gid: ( 0/ root) 

# stat fullfile.bin
 File: `fullfile.bin'
 Size: 1048576000 Blocks: 2048008 IO Block: 4096 regular file 
Device: fd00h/64768d Inode: 134403 Links: 1 
Access: (0644/-rw-r--r--) Uid: ( 0/ root) Gid: ( 0/ root) 

在上方，我们看到稀疏文件比完整文件消耗更少的文件系统块。

我们可以使用filefrag命令收集文件系统分配信息：

 

# filefrag sparsefile.bin 
sparsefile.bin: 1 extent found 

# filefrag fullfile.bin 
fullfile.bin: 29 extents found 

上面我们可以看到，稀疏文件已在一个较小的范围内分配，而完整文件已在多个范围内分配。

可以使用以下基本示例在C中创造稀疏文件：

#include <stdio.h>

int main() {
    FILE *fp;

    fp = fopen("hello.txt", "w+");
    fseek(fp, 1048576, SEEK_CUR);
    fputs("Hello
", fp);
    fclose(fp);

    return 0;
}

这将创建一个1 MB的文件，放入“ Hello”写入其中。在strace系统调用跟踪器下运行以上命令显示：

09:00:20 open("hello.txt", O_RDWR|O_CREAT|O_TRUNC, 0666) = 3 <0.000056>
09:00:20 fstat(3, {st_dev=makedev(253, 2), st_ino=20188301, st_mode=S_IFREG|0664, st_nlink=1, st_uid=1000, st_gid=1000, st_blksize=4096, st_blocks=0, st_size=0, st_atime=2014/11/08-09:00:20, st_mtime=2014/11/08-09:00:20, st_ctime=2014/11/08-09:00:20}) = 0 <0.000005>
09:00:20 mmap(NULL, 4096, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_ANONYMOUS, -1, 0) = 0x7f469d042000 <0.000007>
09:00:20 lseek(3, 1048576, SEEK_CUR)    = 1048576 <0.000005>
09:00:20 write(3, "Hello
", 6)         = 6 <0.000018>
09:00:20 close(3)                       = 0 <0.000006>

我们可以看到我们的文件是稀疏创建的，它报告的大小为1Mb，但仅消耗一个4kb的文件系统块：

$ ls -ls hello.txt 
4 -rw-rw-r--. 1 username username 1048582 Nov  8 09:00 hello.txt