1. 文件的定义#

首先，文件必然包含实际的数据，即存储空间中所保存的信息；其次，由于操作系统需要管理大量数据，必须对这些数据进行分类和组织，因此每个文件都关联有用于分类和索引的信息；最后，不同用户对数据的访问权限存在差异，系统还需为文件设置相应的访问控制信息。

再举一个直观的例子——“图书馆管理图书”来类比文件。可以认为，计算机中的一个文件相当于图书馆中的一本书，而操作系统管理文件，则相当于图书管理员管理图书馆中的书。

具体而言，书的内容对应于文件的数据；不同类别的书籍被分置于不同书库，赋予编号并录入图书管理系统以供查阅，类似于文件的分类与查找机制；某些绝版或高价值的外文书籍仅限高权限读者借阅，而普通书籍则向所有读者开放，体现了文件的访问权限控制。尽管这一类比并不完全等同于操作系统的实际机制，但在内容、组织方式和权限控制等关键属性上，二者体现了相似的管理思想，因而有助于初学者快速把握这一抽象概念。

从用户的角度看，文件系统是操作系统的重要组成部分之一。用户关心的是如何命名、分类和查找文件，如何保障文件数据的安全性，以及可以对文件执行哪些操作等；而对于底层细节，例如文件如何存储在外存上、如何管理文件的外存区域等，则通常较少关注。

文件系统通过对二级存储相关资源的抽象，屏蔽了文件的内部属性、存储介质的物理特性及其在设备上的具体位置等底层细节，使用户无须关心这些细节，便能方便、高效地使用文件。用户借助文件系统创建文件，并将其用于应用程序的输入与输出，从而有效管理数据资源。

为了解文件的内部结构，我们采用自底向上的方式加以定义。

1. 数据项。是文件系统中最低级的数据组织形式，可分为以下两种类型：
   • 基本数据项。用于描述一个对象某一方面属性的一个值，是数据中的最小逻辑单位。
   • 组合数据项。由多个基本数据项组成。
2. 记录。 是一组相关数据项的集合，用于描述一个对象在某一方面的完整属性。
3. 文件。是指由创建者所定义的、具有文件名的一组相关元素的集合，可分为有结构文件和无结构文件两类。有结构文件由若干格式相似的记录组成，如一个班级的学生记录；而无结构文件则被视为一个连续的字节流，如二进制文件或普通文本文件。

虽然上面给出了结构化的表述，但操作系统对文件并无严格统一的定义。通常，程序和数据 均以文件的形式组织。文件的内容可以是数字、字符或二进制代码，基本访问单元可以是字节或 记录。文件可长期存储在外存中，支持受控的进程间共享，并能被组织成复杂的逻辑结构。

2. 文件的属性#

除了文件所包含的数据内容，操作系统还会维护一系列与文件相关的信息，例如所有者、创建时间等。这些附加信息统称为文件属性(或文件元数据),用于支持文件的管理、保护与检索。尽管不同操作系统在具体实现上有所差异，但通常都包含以下基本属性。

1. 名称。文件的标识符，为避免命名冲突，在同一目录中必须唯一。
2. 类型。用于标识文件的种类，供系统决定如何处理或打开该文件。
3. 创建者。创建该文件的用户标识 (ID)。
4. 所有者。当前拥有该文件的用户标识(ID), 通常有权修改文件属性或访问权限。
5. 位置。 指向文件在外存设备上物理存储位置的指针。
6. 大小。文件当前所占存储空间的大小(通常以字节、字或块为单位)。
7. 保护。 定义对文件的访问控制策略，包括读/写、执行等权限，用于保障文件安全。
8. 创建时间、最后一次修改时间及最后一次访问时间，常用于审计、备份或缓存管理。

3. 文件的分类#

为便于对文件进行有效管理，操作系统通常将文件划分为若干类型。由于不同系统在设计理念和管理机制上存在差异，其文件分类方法也各不相同。以下是几种常见的分类方式：

1. 按性质和用途分类，可分为系统文件、用户文件和库文件。
2. 按数据的形式分类，可分为源文件、目标文件(编译过程的中间文件)和可执行文件。
3. 按存取控制属性分类，可分为只读文件、读/写文件和可执行文件。
4. 按组织形式与处理方式分类，可分为普通文件、目录文件和特殊文件(如设备文件)。

1.无结构文件#

无结构文件是最简单的组织形式，由连续的字符流构成，因此也称流式文件，其长度以字节为单位。对这类文件的访问通过读/写指针来定位下一个要操作的字节。系统中大量的源程序、可 执行文件和库函数均采用这种形式。由于缺乏显式的记录边界，若需检索特定内容，只能进行顺序查找，效率较低，因而不适用于需要频繁随机访问或按记录检索的应用场景。

2.有结构文件#

有结构文件由一个或多个记录组成，故也称记录式文件。每条记录由若干数据项组成，其数 量和长度可能固定，也可能可变。根据记录长度是否一致，有结构文件进一步分为两类。

1. 定长记录。所有记录的长度相同，且各数据项在记录中的位置固定。系统可通过偏移量 直接定位任意记录，从而支持高效的随机访问。
2. 变长记录。各记录的长度不一，或因所含数据项数量不同，或因某些数据项长度可变。 由于无法直接计算记录位置，检索时通常只能顺序查找，速度较慢。

有结构文件按记录的组织形式可分为顺序文件、索引文件、索引顺序文件。

(1)顺序文件

顺序文件中的记录按线性顺序依次排列，可采用定长或变长记录。根据记录是否按键字排序，可分为两种结构：

1. 串结构,记录按存入时间先后排列，不按键字排序。检索时必须从头开始 顺序扫描，效率较低。
2. 顺序结构，所有记录按键字有序排列。对于定长且按键字有序的顺序文件，可通过偏移量直接定位记录，并支持折半查找等高效算法，检索效率高。

正因记录连续存储、访问局部性强，顺序文件在批量处理场景下表现最优——当需要连续读取或写入大量记录时，其I/O效率在所有逻辑文件类型中最高。此外，对于顺序存储设备(如磁带),顺序文件是唯一能够有效工作的组织形式。然而，在频繁进行单条记录的查找、修改、插入或删除操作时，由于缺乏直接定位能力且需移动大量数据，顺序文件的性能明显不足。

(2)索引文件

对于定长记录的顺序文件，可直接通过公式计算第 $i$ 条记录的物理地址：$A_{i} = iL$ (L为记录长度)。对于变长记录的顺序文件，由于各记录长度不一，无法直接定位目标记录，必须从头开始 依次读取前 $i-1$ 条记录，累加其长度以确定第 $i$ 条记录的起始位置，即

该过程需顺序扫描，效率较低。为提高检索效率，可建立一张索引表，为每个记录设置一个索引项 ，包含指向该记录的指针及其长度，并按关键字排序。由于索引表由定长记录构成，支持高效 的随机访问。系统可通过索引表直接定位任意记录，从而将对变长记录顺序文件的顺序查找，转变为对定长索引文件的随机查找，显著提升检索速度。

索引文件需额外维护一张索引表，且每个记录对应一个索引项，因此增加了存储开销。

(3)索引顺序文件

索引顺序文件是顺序文件与索引文件的结合。其最简单的形式采用一级索引：先将变长记录的顺序文件划分为若干组，再为每组的首条记录建立一个索引项，包含该记录的关键字及其指针，所有索引项共同构成一张按关键字有序排列的索引表。

主文件包含姓名(作为关键字)及其他数据项，记录按姓名首字母分组——组内可无序，但组间必须按键字有序。每组首条记录的姓名及其逻辑地址被存入索引表，该表按姓名递增排序。检索时，首先在索引表中定位目标记录所属的组，继而在该组内进行顺序查找，从而快速找到目标记录。

对于含 $N$ 条记录的普通顺序文件，平均需查找 $N/2$ 次。而在索引顺序文件中，若将记录均分 $m$ 组，则每组约含 $s=N/m$ 条记录。查找过程分为两步：

1. 在索引表中顺序查找，平均需 $m/2$ 次；
2. 在对应组内顺序查找，平均需 $s/2$ 次。

因此，总平均查找次数为

当 $m=\sqrt{N}$ 时，该值最小，查找效率达到最优。

显然，索引顺序文件显著提升检索效率；当记录数量极大时，还可引入两级或多级索引，进一步降低查找开销——这正是分块查找(也称索引顺序查找)的基本思想。然而，索引文件与索引顺序文件在大幅提升查找速度的同时，也因维护索引表而带来额外存储开销。

(4)直接文件(散列文件)

在直接文件(也称散列文件)中，记录的物理地址由其关键字经散列函数计算直接确定。这种方式支持极快的随机存取，但不同关键字可能映射到同一地址，从而引发冲突。

熟悉数据结构的读者不难发现：有结构文件的各类逻辑组织方式(包括顺序、索引、索引顺 序和散列),本质上都是围绕“如何高效查找数据”这一核心目标而设计的。

4.1.4 本节小结#

本节开头提出的问题的参考答案如下。

1. 什么是文件?

   文件是操作系统中用于存储和组织数据的基本单位，是一组逻辑上相关的信息(如程序、文本、 图像等)的有序集合，通常以一个名字标识，并保存在持久性存储设备(如硬盘)上。

2. 文件系统在操作系统中的地位如何?

   文件系统是操作系统的核心子系统之一，负责对存储设备上的文件和目录进行统一管理，提 供创建、读取、写入、删除、组织及保护等基本操作。它向上为应用程序和用户提供简洁、一致的抽象接口，屏蔽底层存储细节；向下则与设备驱动协同，高效调度物理存储资源。作为连接用 户逻辑视图与物理存储之间的关键桥梁，文件系统在操作系统中扮演着承上启下的核心角色。