文件系统
本文整理单机文件系统的底层实现（FAT、inode、日志文件系统），并以 MySQL 索引说明 B 树/B+ 树的设计权衡，最后介绍分布式文件系统（HDFS/GFS）的抽象与读写模型。
一、硬盘分块
硬盘读写不支持字节级随机存取，且速度远慢于内存（机械盘慢百万倍，SSD 慢数十到数百倍，NVMe 仍有差距）。为提升性能，物理存储被切分为等大的块（如 4KB），通过块序号即可计算物理位置，便于分配、回收与 DMA 批量传输。
二、文件的底层实现
FAT 表
文件分配表（File Allocation Table，FAT）用一个类似链表的结构描述文件对应的块。文件从某块开始，块中存放下一块的序号，序列以 -1 结束。
例：文件 1 的链为 5 → 2 → 9 → 14 → 15 → -1，对应块 {5,2,9,14,15}。FAT 算法简单，至今 Windows/Linux/macOS 仍支持。缺陷是 FAT 需整体驻留内存：1T 硬盘、1K 块需 1G 条目，叠加元数据需 2~3G 内存，容量扩展性差。
索引节点（inode）
为每个文件增设 inode，仅在使用时随虚拟内存载入，包含文件属性与物理块位置；大文件通过指针块链式扩展。
相比 FAT，inode 只需为在用文件建立结构，随页表置换，解决了容量限制，沿用至今。
目录与链接
目录是特殊文件，每个目录有自己的 inode，目录内容存放其下文件的 inode 指针；文件名放在目录而非 inode 中，以支持别名与多目录共享（硬链接）。
- 硬链接：多文件名共享同一 inode，地位平等；需删除所有硬链接才回收 inode（
ln a b）。 - 软链接：拥有自己的 inode，内容是目标路径快捷方式（
ln -s a b）；删除目标后链接失效但自身仍在。
写入第 N 字节的典型步骤：修改内存数据 → 计算目标块 → 查 inode 定位真实块序号 → 整块写回磁盘。
三、日志文件系统
传统实现每次写入都持久化，磁盘（尤其写）成为瓶颈，并易因写中断导致数据损坏或不一致。日志文件系统引入缓冲区 + 日志：
- 写操作先入内存缓冲区，定时批量写入磁盘；
- 磁盘中存储的是变更日志（如
A=1 / A=2 / A=3），读时内存还原； - 日志追加写入，无需覆盖，配合缓冲区可大幅加速写入。
为容灾，引入还原点（Checkpoint）：每段时间日志写入一段连续块，写入中涂红、完成涂绿；读入时绿色应用、红色丢弃。区间越小风险粒度越细。
NTFS、Ext3/4 均为日志文件系统（Ext2 无日志）。该思想广泛用于分布式系统（MySQL binlog、Redis AOF、ZooKeeper 等）。
四、数据库文件系统实例：B 树与 B+ 树
行存储与列存储
- 行存储：记录连续排列，单条更新集中在一块，适合事务；聚合查询需跨块，查询慢。
- 列存储：同列数据聚集，时间戳等可整体 DMA 映射，范围/聚合查询快；更新需多处写，不适合事务。
两者最终都落盘到块。
索引与二叉搜索树
索引是"为加速查询而冗余维护的排序数据"。在数据量大到无法整树载入内存时，二叉搜索树每次下探都要读不同磁盘块，I/O 成本高。
B 树 / B+ 树
B 树（B-Tree）让每个节点携带多个索引、子节点更多，树更矮，减少磁盘访问次数。节点内用分隔值对子树区间分段。
B+ 树继承自 B 树，仅叶子节点映射数据，非叶子节点为冗余索引（仅划定子树范围）：
B+ 树优势：
- 插入/删除更快：删除常只需动叶子节点；插入仅沿一条路径拆分，自动平衡；
- 范围查找快：所有叶子节点由链表串联，范围/聚合查询沿链表遍历即可，无需回溯。
B 树无冗余、删除根节点可能触发复杂变形，故实战多用 B+ 树。
五、分布式文件系统（HDFS / GFS）
起源与模型
Google File System（GFS）是分布式文件系统原型，HDFS 是其重要实现；BigTable 是构建于 GFS 之上的分布式数据库。搜索网页存储场景：行数固定但列不固定（外链数量不定、带版本），故采用 Key-Value（Map）模型，Key 为 <URL, 列族:列标识, 时间戳> 三元组。
- 用 URL 作为行索引，基于 B+ 树（字典序）建 URL→行号索引；
- 行内可列存储，或大表先按行水平分片（Tablet）。
分片（Tablet）与块（Chunk）
- Tablet：若干相邻字典序行组成，作为数据分布最小单位；每个 Tablet 对应分布式文件中的一个文件，至少 2 副本（3 份数据）。
- Chunk：比磁盘 Block 更大的抽象（GFS 64MB、HDFS 128MB），减少 I/O 频率。
架构实体
- Client（应用）：数据使用方（如 BigTable 是 GFS 的 Client）。
- Master（HDFS 称 NameNode）：集中存文件/Chunk 元数据、权限、命名空间，常驻内存并建 B 树索引。
- ChunkServer（HDFS 称 DataNode）：存实际 Chunk 数据，频繁向 Master 汇报变更。
读取某文件某 Chunk 某区间需两次往返：客户端 → Master（取 Chunk 地址与句柄）→ ChunkServer（取数据）。
写入模型（GFS）
- 客户端向 Master 申请租约（Lease），获得该 Chunk 及副本的修改权；
- Master 返回所有副本节点位置（含 1 个 Primary + 若干 Secondary）；
- 客户端将数据推送给所有 ChunkServer 并缓存（暂不更新）；
- 客户端通知 Primary 写入，Primary 再通知 Secondary；
- 各节点返回结果，Primary 回复客户端成功。
先集中推送再统一更新，缩短不一致窗口。GFS/HDFS 牺牲强一致性（允许短时不一致）以换吞吐量。
容灾
HDFS 中 Secondary Node 类似客户端，定期将 NameNode 的变更日志与镜像合并，形成还原点（checkpoint）；NameNode 故障时可据此恢复。
小结
- 单机文件系统由 FAT → inode → 日志文件系统演进，日志 + 还原点兼顾性能与容灾。
- B+ 树以冗余非叶节点换取更矮的树、更快的增删与范围查询，是数据库索引主流结构。
- 分布式文件系统以 Master/ChunkServer 分层、Tablet/Chunk 抽象、租约写入实现 PB 级存储与高吞吐。