只有1个字节的文件实际占用多少磁盘空间

在前文《新建一个空文件占用多少磁盘空间？》中我们了解到了一个空文件的磁盘开销。 今天我们再思考另外一个问题，假如我们给文件里只写入1个字节，那么这个文件实际的磁盘占用多大，难道真的是1个字节吗？

1

查看1个字节的文件

和前文一样，先不谈原理，直接动手操作。

# mkdir tempDir
# cd tempDir
# du -h
0    .
# touch test
# du -h
0    .

在一个目录中创建了一个空的文件以后，通过du命令看到的该文件夹的占用空间并没有发生变化。这符合我们之前的认识，因为空文件只占用inode。好，那让我们修改文件，添加一个字母

echo "a" > test
# du -h
4.0K    .

保存后再次查看该目录的空间占用。我们发现由原来的0增加到了4K。 所以说，文件里的内容不论多小，哪怕是一个字节，其实操作系统也会给你分配4K的。哦，当然了还得再算前文中说到的inode和文件夹数据结构中存储的文件名等所用的空间。 所以，不要在你的系统里维护一大堆的碎文件。文件再小，占用磁盘其实一点都不少！

注意我的实验环境是在ext文件系统下进行的。如果是xfs可能表现会有些许出入。

2

继续讨论这个4K

再把linux源代码文件fs/ext2/ext2.h里关于inode的定义翻出来，我们找到结构体中定义的指向数据节点用的block数组：

struct ext2_inode {
    ......
    __le32  i_block[EXT2_N_BLOCKS]; # 指向存储文件数据的块的数组
    ......

当文件没有数据需要存储的时候，这个数组都是空值。而当我们写入了1个字节以后，文件系统就需要申请block去存储了，申请完后，指针放在这个数组里。哪怕文件内容只有一个字节，仍然会分配一个整的Block，因为这是文件系统的最小工作单位。那么这个block大小是多大呢，ext下可以通过dumpe2fs查看。

#dumpe2fs -h /dev/mapper/vgroot-lvroot
......
Block size:               4096

在我的机器上，一个Block是4KB。

3

文件内容大了怎么办？

不知道你留意没，inode中定义的block数组大小呢，只有EXT2_N_BLOCKS个。我们再查看一下这个常量的定义，发现它是15，相关内核中定义如下：

#define EXT2_NDIR_BLOCKS        12
#define EXT2_IND_BLOCK         EXT2_NDIR_BLOCKS
#define EXT2_DIND_BLOCK        (EXT2_IND_BLOCK + 1)
#define EXT2_TIND_BLOCK        (EXT2_DIND_BLOCK + 1)
#define EXT2_N_BLOCKS              (EXT2_TIND_BLOCK + 1)

就按4K的block size来看，15个block只够存的下15*4=60K的文件。 这个文件大小相信你一定不满意，你存一个avi大片都得上G了。那Linux是怎么实现大文件存储的呢？嗯，其实上面宏的定义过程已经告诉你了，就是只有12个数组直接存block指针，其余的用来做间接索引（EXT2_IND_BLOCK），二级间接索引（EXT2_DIND_BLOCK）和三级索引（EXT2_TIND_BLOCK）。

图1 inode中的直接与间接索引

这样，一个文件可以使用的空间就指数倍的扩展了。 文件小的时候，都用直接索引，磁盘IO少，性能好。文件大的时候，访问一个block可能得先进行三次的IO，性能略慢，不过有OS层面的页缓存、目录项缓存的加持，也还好。

4

结论

文件系统是按照inode+block来组织的，所以不管你的文件多小，哪怕只有一个字节，在数据上都会消耗掉整整一个块(当然还得算上inode等开销)。这个块大小可以通过dumpe2fs等命令来查看。如果想改变这个块大小怎么办?对不起，只能重新格式化。

再扯的远一点，所有的文件系统理念都是按照块来分配的，包括分布式文件系统，例如HDFS。由于HDFS应用场景是各种GB、TB甚至是PB级别的数据处理。所以为了降低block的管理成本，它的block size设置的非常大。在比较新的版本里，一个block直接就是128M，你没看错，单位是M。 所以如果你没有block的概念，天天在HDFS上都保存一堆KB级别的小文件，就等着去财务处领钱吧！