在LINUX中，文件分为打开的文件和未被打开的文件。研究打开的文件，本质上是研究进程与文件之间的关系；研究未打开的文件，我们要去研究这些未打开的文件是如何被管理的，所以我们就要去研究文件系统。
1. 磁盘
未被打开的文件一定是存储在硬盘上，通过文件系统进行管理的。现在，我们家用的电脑一般都是使用固态硬盘，而固态硬盘通过闪存进行存储；而在大企业里，服务器的搭建所用的存储器件，仍旧是机械硬盘，机械硬盘通过磁盘进行存储。
接下来，我们会以磁盘为例，逐步深入Linux的文件系统。
为什么在讲文件系统之前，我们要先讲磁盘呢？因为，未被打开的文件是被存储在磁盘上的，要去了解文件系统的特性，那么肯定需要去了解磁盘是如何存储文件的。
1.1 磁盘的物理结构
机械硬盘本质上是一个机电一体化的设别，当然机械硬盘中，机械的比重很大，上图便是一个机械硬盘的物理结构。
机械硬盘中的核心是磁盘，是存储数据的器件。
磁盘是两面的，每一面都可以用来存储数据。从上图中看，似乎磁头只有一个，实际上，每一个磁盘的面，都会对应有一个磁头，即磁头像夹子一样夹着一个磁盘。实际结构可以通过下图来理解：
一块磁盘的一个磁面上，可用以存储数据，那么存储数据的单位如何划分呢？
扇区是磁盘上存储数据的基本单位，大小为512字节。
因此，整个磁盘的存储结构可以划分为如上图所示的一个个同心圆，每个同心圆上的扇区数是相等的(大部分磁盘)，而内圆半径小，外圆半径大，因此必然有外圆上的扇区排列更疏，内圆上的扇区排列更紧密。
接下来，我们来了解一些描述磁盘的专有名词：
- 磁道：每一块磁盘上，一个盘面上的一个同心圆即构成一个磁道
- 扇区：磁盘存储数据的基本单位，大小为512字节
- 柱面：由于一个机械硬盘中会有多个磁盘，一个磁盘又有两个盘面，因此我们将所有磁盘的所有盘面中的半径相同的同心圆，称这些半径相同的同心圆为一个柱面。
1.2 磁盘的CHS定址法
在磁盘中，我们该如何定位一个扇区呢?
在机械硬盘中，有两个设备是频繁运动的：一个是高速旋转的磁盘，一个移动的磁头。
磁盘自身旋转的运动无需多说，但是磁头的移动，虽然一个盘面对应一个磁头，但这多个磁头是沿着盘面的半径方向共进退的。
因此，我们可以得出一个结论：盘面自身的旋转可以在一个同心圆上切换扇区，磁头的运动可以切换同心圆。
所以，我们定位一个扇区，本质上就是定位这个扇区在哪个同心圆上，在哪个盘面上，又是这个同心圆的哪个扇区。
通过对磁盘柱面，磁头和扇区进行编号，我们就有了CHS定址法。
CHS中，C是指cylinder,即柱面；H是指header，即磁头；S是指sector,即扇区。所以，通过三个编号，就可以定位任意一个扇区的位置。使用CHS定址法，操作系统看待磁盘可以用一个三维数组来看待，要与磁盘进行数据交互，给磁盘三个数字即可。
1.3 磁盘的LBA定址法
上述介绍了磁盘的CHS定址法，但实际上，从操作系统层面来看，每次都要提供三个编号给磁盘，才能访问特定位置的扇区，太低效了，因此在操作系统层面，不会以一个三维数组来看待磁盘。
那么操作系统究竟是如何看待磁盘的呢？
我们先来理解磁盘的一个柱面。磁盘的柱面，是由多个磁道上的同心圆构成的，一个圆形的磁道如果将其拉直展开，上面的扇区排布，正如一个一维数组的分布，而如果我们将这个柱面展开，是不是可以近似得到一个二维数组：
一个机械硬盘中有多个磁盘，这多个磁盘如果我们从柱面的角度，把每一个柱面都展开的话，一个柱面相当于一个二维数组，再对不同柱面加以编号，是不是就能得到一个三维数组：
而本质上，三维数组也是可以一维看待的。这样我们就只需要一个数，就可以定位任意一个扇区了，而这就是LBA定址法。实际上，在磁盘内部仍旧是使用CHS定址法，只不过操作系统可以将磁盘看待成一个一维数组，使用一个数进行定位。
在实际访问时，操作系统将使用LBA定址法得到的数传递给磁盘，由于磁盘柱面数，一个柱面中的磁道数，一个磁道中的扇区数都是固定的，因此磁盘内部的电路就可以将这一个使用LBA定址法得到的一个数，转变为CHS定址法中的三个数，进而定位任意扇区。
2. 文件系统
2.1 磁盘是块设备
磁盘的最小存储单位是扇区，大小为512个字节。但是实际上，OS与磁盘进行交互的时候，不会以扇区为单位，这样读写的效率太低了。操作系统与磁盘进行交互，总是以八个扇区为单位，即4KB的形式进行访问。我们把这八个扇区构成的单位称作数据块，即操作系统以数据块的形式访问磁盘，磁盘也就是块设备.
所以，实际上，OS看待磁盘，是一个以块为单位的一维数组，即block array[N]。
操作系统使用LBA定址法，将磁盘抽象为一个以扇区为成员的一维数组sector array[N],而一个块中的扇区数为8，因此由块号我们可以得到具体块中八个扇区的编号，即扇区的LBA编号，而LBA编号又可以转化为CHS的三个编号，进而OS通过块号就可以实现对磁盘的八个扇区的访问。
2.2 磁盘分区
我们已经知道操作系统以数据块的形式，即4KB的形式，对磁盘进行数据访问。
但是，一个磁盘太大了，动辄512GB，1TB，2TB，如果只以块的形式来看待磁盘，那么磁盘上的块数就太多了，并不好管理。所以，操作系统看待磁盘会对磁盘进行分区。
通常情况下，一个柱面为分区的最小单位。因此，确定一个分区，实际上只要确定这个分区的起始柱面号和终止柱面号即可。
所以，如果我们的电脑只有一块机械硬盘的话，那么我们所看到的C盘，D盘，E盘，本质上是操作系统对这块机械硬盘中的磁盘所划分的不同分区罢了。
2.3 磁盘分组
操作系统将整块磁盘进行分区以便管理，但是分区相对来说还是很大，于是操作系统进一步划分分区，将一个分区划分为多个组，由于这些组实际上是由一个个数据块构成的，因此这些组又被称为块组，即BLOCK GROUP。
现在，我们管理好整块磁盘，实际上知道如何管理好一个块组即可——管理好一个块组，就能管理好一个分区；管理好一个分区，就能管理好一块磁盘。
所以，接下来，我们来研究一个块组的内部是如何进行划分和管理的。
通过上图，我们可以了解到，一个块组有6个分区，下文将分别介绍这6个分区。
2.3.1 inode table 和 data block
文件=文件内容 + 文件属性，Linux的文件系统中，文件的内容和属性是分开存储的，文件的属性存放在一个struct inode的结构体中，文件的内容则存储在data blocks中。
先来说，data blocks。
在data blocks的内部，有一块块4KB大小的空间(操作系统访问磁盘的基本单位大小为4KB)，这些空间就用于存储文件的内容。一个文件可能一个data block都不会使用，即无文件内容；一个文件也可能使用多个data block。
再来说，inode table
inode table本质上是一个inode的表结构，其中的空间全部用来存放struct inode。struct inode中保存的是相应文件的属性，当然一个文件肯定要能够找到它的文件内容，因此struct inode必定存储有该文件所对应的数据块号。
由于操作系统访问磁盘，以4KB为单位，而struct inode大小一般为128或256字节，因此操作系统访问磁盘读取inode,一次必然拿到多个inode,那么OS如何区分到底拿哪个inode呢？在struct inode中,会存在一个数字，这个数字用以唯一标识该inode和其所对应的文件，这个数字被称为inode号。
在命令行中，我们可以使用ls -li来查看当前目录下对应文件的inode号。
一个文件，有且仅有一个inode,但是data block 的数量可以为0或多个。
当然，inode会有inode号，这个inode号，是以分区为单位的，即在一个分区中进行编号；当data block 也有编号，不过data block 的编号是基于一个块组而言的，不过从一个分区来看，不同的块组会有编号，因此在一个分区中，只要确定块组号，再确定data block 的编号，也就能定位任意一个分区内的data block。
2.3.2 inode bitmap 和 block bitmap
现在，我们已经清楚文件的内容和属性在磁盘上如何存储，但是实际文件存储过程中，操作系统怎么知道存储到inode table中的哪个inode中，存储到data blocks的哪个data block中呢？
与文件描述符表中用于表示该文件描述符是否被占用一样，我们同样引入位图结构。
inode bitmap中，每一个二进制数位对应一个inode,二进制数位的1/0表示该inode是否被占用；
block bitmap中，每一个二进制数位对应一个data block，二进制数位的1/0表示该data block是否被占用。
所以，OS系统在向磁盘中存储文件时，会首先从低位开始查找inode bitmap,找到未被占用的inode，将相关文件的属性存储进去；对于block bitmap也是同样的道理。
2.3.3 GDT
GDT，英文全称group descriptor table,即块组描述符表。
在这个结构体中，记录整个块组的相关信息，例如整个块组的空间划分情况，以及未被占用的inode数和data block数等等。
2.3.4 super block
super block,即超级块。
前面我们说，操作系统将磁盘进行分区划分，分区内部又进行块组划分，那么文件系统是对什么做管理呢？
文件系统是对分区做管理的，也就是说，一个分区对应一个独立的文件系统，或者说一个分区本身就是一个独立的文件系统。
而超级块，就是记录整个分区相关文件信息的一个结构体。比如说，超级块内部会有如下信息：整个分区有多少个块组，每个块组多大，总共有多少个inode和data block，总共有多少个未被占用的inode 和 data block等等。
不过让人疑惑的是，super block既然是描述整个分区，为什么要放在一个块组内部呢？
实际上，不是所有块组内部都有super block,但一定存在多个块组，其内部含有super block。这本质上是一种容灾备份，因为super block管理的是整个分区，即一个文件系统的信息，如果其中的信息丢失了，整个文件系统，整个分区，就没有办法正常工作了，因此必须要容灾备份，这样即便一个块组中的super block损坏了，还可以使用别的块组中的super block，同时恢复这个被损坏的super block。
2.3.5 磁盘分区的格式化
LINUX中，将磁盘进行分区划分，一个分区对应一个文件系统，所以一个在Linux中，一个磁盘要想能够被OS使用，必须分区且格式化。
那什么是格式化呢？磁盘的分区肯定要通过文件系统进行管理，格式化本质上就是向磁盘中写入文件系统的相关信息，具体来说，就是写入super block 和 gdt 等的相关管理信息，这就是对磁盘分区的格式化。
所以，将一块磁盘分区格式化，就是重新写入信息，而这些重新写入的信息，会将整个分区当作未存储任何文件属性和文件内容来看待。
2.4 重新理解不同的文件操作
现在，基于上述知识，我们来重新理解一下不同的文件操作。
新建文件：即建立对应的文件inode 和 data block，并将inode bitmap 和 block bitmap 中相关比特位置为1，表示有效占用即可。
删除文件：不需要真正删除文件inode 和 data block 中的存储信息，只需要将两个位图结构中的相应比特位置为0即可，即覆盖式删除。这也说明了为什么，删除一个文件总是远远快于新建一个 文件。
修改文件：OS通过文件inode编号找到对应文件，然后向相应文件的inode和data block 中做写入。
查文件：OS通过文件编号inode找到对应文件，然后从相应文件的inode和data block中，获取相关的信息。
不过，实质上，文件系统的部分信息是会被加载到内存中的，对文件的增删查改的操作，都不是直接进行磁盘级I/O，而是先在内存中，对相关结构，如struct file/struct inode（内存中的，注意与磁盘级的inode 做区分）做修改，或是向文件内核缓冲区中写入，最后再刷新到磁盘上的，即先内存级的修改，再覆盖到磁盘上。
2.5 目录文件和普通文件
在Linux操作系统中，系统会区分普通文件和目录文件，但是在磁盘上，在文件系统中，这两者是不做区分的，都是文件，都是一样的存储方式，分区的inode中存储文件属性，分区的data block中存储文件内容。
目录文件存储中，文件属性的存储可以理解，但文件内容存什么呢？
目录文件中，其内容为该目录下文件名与inode号的映射关系。
在Linux中，文件属性struct inode中，是不包含文件名的。那么我们是如何通过文件名去访问相关文件的呢？正是因为目录文件中，存放了文件名与inode号的映射关系，在访问一个文件前，OS会先打开该文件所在的目录，拿到其中对应的映射关系，即拿到相应文件的inode号，由于inode号是唯一标识文件的，因此也就可以访问到相应文件。
所以，现在我们就可以理解，一个目录下，为什么不能有同名文件。因为目录文件，其内容存放的是映射关系，而文件名是映射关系的键值，当然不能重复。
同时，我们也可以明白，在指定目录下新建文件的本质了——除了要写入新建文件的inode和data block，还要向其所对应的目录文件内容中，写入文件名和inode号的映射关系。
3. Linux 路径
3.1 路径解析
Linux中，通过路径来定位文件。
这该怎么理解呢？
比如说，我们现在有这么一个路径：/home/wnf/code.c
这个路径标识了code.c这个文件的存储位置，那该路径能否唯一标识且定位code.c这个文件呢？
我们在访问code.c这个文件的时候，OS是会对code.c所在的路径做解析的。对于根目录，OS会特殊处理，根目录有其固定的inode号和磁盘存储位置，我们只需要关注根目录后的路径即可。
整个路径解析的过程是这样的。OS首先到根目录的文件内容中，获取home所对应的inode号，然后再到home这个目录文件内容中，获取wnf所对应的inode号，最后再到wnf这个目录文件内容中，获取code.c所对应的inode号，拿到code.c的inode号后，才可以访问到code.c这个文件。
通过这样的路径解析过程，最终访问到的文件一定是唯一且确定的，即Linux中，通过路径来定位文件。
3.2 路径缓存
前面提到，在磁盘中，文件被统一看待，不区分目录文件和普通文件。
但是，我们在Linux中，使用tree命令，确实能看到整个文件系统的树形结构，看到这个树形结构中，目录文件和普通文件被区分开——非空目录文件为路上结点，空目录文件和普通文件为叶子结点，这是为什么呢？
而且，Linux中，对文件的任何操作，首先都需要定位到该文件，而定位到该文件必须要对该文件的绝对路径进行解析，但是每次路径解析，理论上都需要从根目录开始解析，这是不是太低效了，有没有解决方法呢？
所以，针对上述两个问题，我们要引入Linux中，路径缓存和目录树的概念。
Linux中，在做路径解析时，会对第一次解析到的路径做路径缓存，创建一个struct denftry的结构。什么意思呢，我们继续使用3.1中的示例：/home/wnf/code.c
在第一次对这个路径做解析的时候，解析的顺序是根目录、home目录、wnf目录和code.c文件，那么在这整个第一次的解析过程中，OS会分别为这四个文件创建struct dentry结构，即目录树结构，如下图所示：
OS在第一次对上述路径做解析时，会在内核中，形成并维护这样一棵多叉树结构。当然，我们还得了解struct dentry中的内容，才能对这棵目录树有更深刻的理解。
struct dentry与某条路径上的文件是对应的，因此struct dentry中，会存储对应文件的文件名和一个指向该文件struct inode的指针；同时，struct dentry本质上维护一棵树形结构，因此其内部一定存在记录该struct dentry父结点(不存在或唯一)和子结点(不一定唯一)的变量。
现在，我们可以来理解，OS内核中，维护这样的一棵多叉目录树，即进行路径缓存有什么用了。
进行路径缓存后，OS在做路径解析时，只有第一次会是最慢的，之后做路径解析时，OS会首先从整棵目录树的根结点开始，向下遍历，不断去匹配struct dentry中所存储的路径文件名，如果能够匹配成功，就继续向下到子结点，继续匹配；如果无法匹配成功，就为这个新的文件创建新的struct dentry,然后链入到目录树中，进行路径缓存。
所以，有了路径缓存后，进行路径解析时，对于已缓存的路径，就不要频繁查看目录文件内容去找到对应映射，也就是减少了磁盘级I/O，可以直接通过dfs整棵目录树，找到目标文件所对应的dentry结构，而dentry结构中，恰好就有指向struct inode的指针，即可以拿到目标文件的inode号，也就可以访问磁盘上的目标文件了——这样，多次磁盘级I/O，变为了一次磁盘级I/O，效率显然大大提升了。
3.3 路径缓存：一个结论和一个问题
所以，一个结论：在文件系统中，统一看待目录文件和普通文件，因此文件系统并没有树形结构的概念；而我们平时所讲的Linux文件系统的多叉树结构，本质上是OS内核自身重新维护的，是内存级别的。
当然，还有一个问题，文件系统中可能会存储很多文件，不同的文件有不同的路径，因此要进行缓存的路径可能会非常多，而路径缓存是内存级别的，内存相比于磁盘小得多，那会不会出现内存短缺的情况呢？
答案是不会的。因为OS会通过LRU算法(least recently used,即最近最少使用)，优化路径缓存，即把一些最近一段时间最少访问的路径所对应的struct dentry进行释放，即这些路径不再缓存，以保证维护的目录树不过多使用内存。
4. 磁盘挂载
一个磁盘分区如果想被使用，仅仅格式化还不够，还必须要进行磁盘挂载，即将磁盘分区与指定的目录相关联，这个磁盘分区才能够正常使用。
什么叫将磁盘分区与指定的目录相关联呢？ 简单来说，将一个磁盘分区与指定目录关联后，之后在该目录所延伸出的路径中的文件，都会存储在与该目录相关联，即挂载的磁盘分区中。从这个角度上理解，磁盘分区挂载到指定目录后，有点指定该目录为其代理人的意思。
在Linux中，我们可以使用df命令，来查看文件系统，即磁盘分区的使用情况，还可以显示该磁盘分区的挂载情况。
上图中，mounted on一栏下的内容，即为对应磁盘分区的挂载目录。我们可以清楚看到，/dev/vda1这个磁盘分区被挂载在根目录下。
理解了磁盘挂载之后，我们现在就可以解决之前并没有谈及的一个问题：inode以分区为单位进行编号，即一个分区中，inode号不可能相同，但不同分区中，一定会存在相同的inode号。
而我们之前讲过，OS只要拿到对应文件的inode号，就可以找到对应文件，可是OS系统又是怎么知道这个inode号是位于哪个分区呢？
通过磁盘分区挂载，我们可以知道，一个确定的路径，它所对应的磁盘分区是确定的，因为一个路径下，只能挂载一个磁盘分区。所以，在Linux中，通过路径定位一个文件，而OS在对目标文件路径做解析时，会将目标文件路径与所有磁盘分区的挂载路径进行比较(前导匹配)，找到最符合的一条路径后，OS就会断定目标文件在挂载在该路径所对应目录上的磁盘分区中，最终拿到目标文件的inode号后，就到相应磁盘分区上拿到该文件了。
所以，通过磁盘挂载路径的前导匹配，可以确定磁盘分区，同时又可以拿到文件的inode号，这样OS就可以定位任意一个磁盘分区中的任意一个文件，即可以对磁盘上的任意文件进行操作。
5. 软硬链接
5.1 软硬链接是什么
在理解软硬链接是什么之前，我们先来看看Linux中，给一个文件建立软硬链接的操作。
建立软链接：ln -s target link,target表示被链接的目标文件，link表示创建的软链接。
建立硬链接：ln target link,target表示被链接的目标文件，link表示创建的硬链接。
那么，软硬链接究竟是什么呢？它们又有什么区别呢？
通过上图我们可以发现，由于文件的inode号唯一标识文件，实质上，我们为log.txt创建的硬链接和log.txt文件名本身指向相同的文件，也就是说，硬链接并不是一个独立的文件，正如C++中的引用是取别名，本质并没有新建变量一样，为一个文件创建硬链接，就是为这个文件取别名，本质上讲，就是在向该文件所对应的目录文件的内容中，写入一组新的映射关系。
就上图而言，硬链接hard_link和文件名log.txt没有区别，本质都是映射到相应磁盘分区inode号为658871的文件。
而软链接soft_link,我们可以发现其inode号与log.txt不同，说明软链接是一个独立的文件。那么软链接与被链接文件有什么关联呢？在LINUX中，我们对软链接文件的所有操作，都会被转化解释为对软链接所链接文件的操作。
软链接soft_link之所以能够实现上述转化，是因为在软链接文件的内容中，存储了其所链接文件的绝对路径，对软链接文件的操作，会在OS识别到该文件为软链接文件后，拿到其文件内容中的绝对路径，进而转化为对其所链接文件的操作。
5.2 软硬链接的应用
硬链接本质上是已有文件的别名，它可以起到给文件备份的作用。
实质上，在文件的struct inode结构体中，有一个引用计数的变量，表明映射到该文件的硬链接数，如果指向该文件的硬链接数为0，操作系统便会删除该文件。所以，为文件创建硬链接，可以起到容灾备份的作用。
而软链接是一个独立的文件，它的文件内容中存储其所连接文件的绝对路径，进而可以链接到该文件。
试想，如果一个文件在一个很长的路径下，那么我们要对这个文件进行操作是很麻烦的，要么直接列出该文件的路径，要么就要进到该文件所在的目录后，再对该文件进行操作，这样实在是太麻烦了。
而我们通过在一个比较方便简短的路径下创建软链接文件，链接到这个文件上，就可以实现对这个文件的便捷操作了。在windows中，我们所常用的快捷方式，本质上可以说就是一个软连接文件，其文件内容中，一定包含了其所链接对应的可执行文件的绝对路径。
其实，通过硬链接也可以实现上述软链接的功能，那为什么一般不用硬链接实现呢？
因为硬链接是与inode号绑定在一起的，这就决定了，硬链接只能在分区内链接；而软连接作为独立文件，其文件内容中直接存储了被链接文件的路径，因此可以跨分区链接，适用范围更广，更灵活。
因此，我们往往使用硬链接进行文件的容灾备份，而使用软链接来达到类似快捷方式的作用。
5.3 软硬链接和目录文件
在Linux中，我们可以给普通文件和目标文件设置软链接。
给目标文件设置软链接的时候，需要小心谨慎，因为可能会造成路径环路问题。
而对于硬链接，我们可以给普通文件创建硬链接，但是OS不允许我们在用户层面给目录文件创建硬链接。
不允许的原因很简单，为了防止出现路径环路问题。但实际上，OS自身已经给目录文件创建了硬链接。
我们在LINUX中，使用ls -al命令可以查看到两个隐藏文件：
这两个隐藏文件，分别代表当前目录和当前目录的上一级目录，实质上，这两个文件就是当前目录和上一级目录的硬链接文件。
通过下图我们可以进行验证：
我们可以看到，inode号是两两对应的。并且，对于在/home/wnf目录中所创建的空目录文件mydir而言，我们可以看到上图中有一个数字2,这就代表了该空目录文件的引用计数为2，刚好分别对应了两个硬链接：一个mydir和另一个.。
虽然OS自己默认给目录文件设置了硬链接，但是OS内部做路径解析时，会对其自身设置的这两个硬链接做特殊判断——如果在路径开头，则正常解析；如果在路径中或路径末尾，则自动跳过不解析。这样，也就避免了路径环路问题。