空洞文件的感想

问题源于写一个类似与cp的程序，复制一个具有空洞的文件，但不将字节0写导输出文件中去（APUE 第4章6题）。

我们知道空洞是不占用磁盘空间的，且linux系统自己有cat，cp命令可以复制文件，但是对空洞的处理方式不同：

cat  file> file _copy  :复制输出的文件将使空洞全填为字符0，文件实际大小和原空洞文件大小一致，但是空洞部分化为字符0占用磁盘空间；

cp  file  file_copy : 复制输出的文件不填平空洞，文件实际大小和原空洞文件大小一致，空洞部分仍是空洞，不占用磁盘空间；

./a.out  file file_copy:自己写的要求的程序，文件实际大小为除去空洞‘\0’的大小，带来的问题就是源文件中的有些‘\0’并不是空洞，也被当作空洞跳过；

处理方法为：复制时，增加  “比较文件大小与占用磁盘大小”

同时，在查看磁盘大小时，使用命令du -h file ；它显示的是该文件系统所占的磁盘大小。我们必须知道，在linux的文件系统中，磁盘的最小物理单元为簇，每次创建一个文件则为该文件系统分配一个簇或这簇的倍数(即使文件大小不足以占用满一簇，该簇空余的磁盘存储仍旧是该文件的)，在我自己的电脑里，系统为文件分配的簇为4KB.

说明

1.空洞文件（文件的大小要求大于一个block的，），这应该称作sparse file（稀疏文件），对稀疏文件的判断只能是大致的方 法。stat除了看到size外，还可以看到占用的磁盘block数，假如一个block是512字节，block数乘以512得到的结果远小于文件size，大致可以认为是sparse file。

2 标准的C函数不支持对大于2G的文件的读取，要想获得一个（>2G）文件的大小，可以使用stat函数中的st_size；

3  文件状态stat结构中，st_size就是ls看到的文件大小，st_blksize是系统每次read,write等i/o的buff大小，通常和文件系统块大小一致，st_blocks是占用的文件系统的块数，这个块区别以文件系统的块，一般是512字节。Du命令读取st_blocks（du会根据命令参数转换块的大小）。

4  正常来说看到连续的一大堆0可认为是sparse， Linux下的cp命令有参数
--sparse=WHEN
              control creation of sparse files
可以看cp的source code详细查看。

5 系统调用cp命令的具体执行过程：

       cp时，只write了有具体内容的块，空洞没有write,但是lseek是一直在变的，所以cp不会拷贝空洞。

通过看cp的源码，可以看到cp的具体过程：

1、 判断目标文件是否存在，如果存在则清空目标文件，如果不存在则创建目标文件
2、根据目标文件的逻辑块大小，创建拷贝缓冲区
3、判断源文件是否有空洞：文件大小／文件块大小 > 块数 ？
4、读取源文件存放到缓冲区，每次读取一块
5、在第3步中判断，如果存在文件空洞，则对缓冲区数据进行判断，如果缓冲区中的数据均为0，则认为该数据快为空洞，否则认为是正常文件数据
6、如果数据块为空洞，则调用lseek，在目标文件中创建一个空洞；否则拷贝缓冲区数据到目标文件
7、判断本次读取是否读到源文件的文件尾，如果是，则判断本次读取的是否是空洞，如果是空洞则在文件的最后写入""
8、重复1 ~ 7
9、关闭目标文件、源文件