windows “文件大小”与“占用空间”、文件系统与文件拷贝

0. 文件大小与占用空间

“文件大小”和“占用空间”的差别

首先需要明确的是，“文件大小”代表着文件的真实大小（文件内容实际包含的全部字节数），“占用空间”往往略大于“ 文件大小”，如下图所示：

“占用空间”表示为计算机磁盘为存储该文件，所需分配的存储空间，显然“占用空间”必须不小于“文件大小”。事实上，windows 采用 NTFS 和 FAT 的文件系统管理磁盘文件，所有文件系统都是基于簇（分配单元）为大小，即文件在磁盘上的所占空间不再以 Byte 为衡量单位，最小计量单位是“簇（Cluster）”。

1. 磁盘分区与文件系统及簇大小的查看

windows 下使用 Chkdsk（check disk）来查看文件系统类型以及簇大小。

首先以管理员权限运行 cmd，在命令行输入 Chkdsk，即可在只读模式检查本地文件系统。检测结束得到的分析结果中，“分配单元”或者“Allocation unit”即表示簇的大小。

2. 为什么单个大文件比总体积相同的多个小文件复制起来要快很多？

将一个1GB大小的文件分割为 1024 个 1MB 大小的文件快，拷贝的效率要远低于直接拷贝 1 GB 大小的整个块。

从源到目的，复制一个文件需要做的有1-3步：

1、在目标位置创建对应的文件名项，因为文件名也是要保存在磁盘上的；
2、如果文件有内容，把文件内容写入磁盘，并按照块对齐（512字节-64K不等）
3、如果文件有内容，在一个特定的位置把文件内容的块的信息记录下来，标记这些块属于这个文件并且是被使用了。

对于1G的文件，需要的也是这三步，对于1024个1M的文件，需要的是 1024×3 步。对于磁盘设备有IOps的概念，就是每秒能执行的 I/O 次数，对于复制1024个1M文件来说，那么至少需要1024*3次 I/O，对于1G的文件来说，至少需要3次。所以从次数来说，复制小文件越多，磁盘读写次数越多，虽然有 cache 等一系列优化的机制，但整体次数还是要高很多的。并且，磁盘写1字节，和写512字节（一个扇区）的代价是相同的，虽然写入文件名短，但仍然需要写入512字节（一个扇区）。因此写1G文件就至少要比写1024*1M文件多写512K这么多数据。如果说512K这么多数据好像也不太多，但还有一个不可忽略的操作就是比较文件名：复制文件的时候，需要判断是否有重名，复制1个文件，检查1次就可以了，复制1024个文件，就需要检查1024次，并且随着文件的增多，检查的负担也越重（要跟之前的文件都检查一下）。

所以总结下来有三点：

1、小文件导致IO次数增多，磁盘IO次数本身就有瓶颈；
2、小文件实际写入的内容也更多（这里我没包括索引项，实际索引项也很多，但不好表达）；
3、小文件导致CPU负担更重，需要匹配更多的信息。

以上三点造成了小文件复制比大文件慢，所有操作系统的所有文件系统基本上都有以上三个原因。