基于簇的多重映射節約硬盤空間

摘要：該文介紹了計算機和其他存儲器中另一種文件存儲結構，提出了存儲器結構中可能出現的簇重復性，達到節約存儲空間，擴大硬盤容量的方法。

關鍵詞：文件存儲；簇；多重映射

中圖分類號：TP311文獻標識碼：B文章編號：1009-3044(2008)35-2341-03

Multimap of the Cluster Which can Save the Space of Hard Disk

XIE Xiao-feng， Zhou Yi

(Shanghai Medical Workers'College， Shanghai 200237， China)

Abstract: This paper introduces a method of file store which can be used in computer and other storages. Multimap of the cluster whice can save the space of hard disk.

Key words: file store; cluster; multimap

計算機的功能是如此強大，似乎它無所不能，無所不會。我們現在使用的大部分計算機的設計思路是以匈牙利數學家馮?諾依曼的通用計算機方案為基礎。也就是“馮·諾依曼計算機結構”。它定義了計算機是由存儲器、運算器、控制器、輸入設備和輸出設備等五大部分組成[1]。這是任何學習計算機課程的學生在計算機教材綜述中都可以讀到的內容。其中計算機在使用存儲器時往往遇到兩個矛盾：①容量總是不夠大②速度總是不夠快。所謂容量不夠大，其中的一方面是指存放信息資料（如數據庫數據、聲音和圖像、視頻、程序數據等等）的地方不夠大。于是人們使用硬盤作為外部輔助處理器來存儲資料，典型的是軟磁盤存儲器、硬磁盤存儲器和光盤存儲器。其中硬盤使用得最為廣泛。可惜，硬盤不夠大也一直成為用戶應用計算機的一個瓶頸。

自計算機問世以來，硬盤的發展不可謂不快。有一句話形容“五十年容量大了八萬倍”。1980年6月希捷推出的ST-506，容量只有5MB。而現在在個人計算機上選用的主流硬盤容量達到了250GB，相當于250，000MB容量，最大為400GB容量。硬盤的容量急劇擴大，可是硬盤內存儲文件的需求也隨之迅速增加，特別是在多媒體視頻應用方面（見表1）。如何使得硬盤的大小能滿足我們日益增長的各種需求，不斷增加硬盤容量是一種辦法，另一種辦法就是筆者在本文中將要提出的：利用硬盤簇的多重映射來節約硬盤空間，從反方向上達到擴大硬盤容量的目的。

1 硬盤的數據結構

讓我們先來看看現行的硬盤數據結構是如何劃分的。初買來一塊硬盤，我們是沒有辦法使用的，需要先對它進行分區、格式化。然后安裝操作系統才可以使用。就拿我們一直沿用到現在的WIN9X/ME/2K/XP系列來說，一般要將硬盤分成主引導扇區、操作系統引導扇區、文件分配表、目錄區以及數據區。這些工作一般在我們熟悉的FDISK命令中進行[2]。

主引導扇區位于整個硬盤的0磁道0柱面1扇區，作用是檢查分區表是否正確以及確定哪個分區為引導分區。操作系統引導扇區通常位于硬盤的0磁道1柱面1扇區。對于多重引導方式啟動的系統位于相應的主分區/擴展分區的第一個扇區。它的作用是讀取本分區的引導文件，啟動操作系統。

接下來是文件分配表FAT和目錄區DIR。這是本文將要重點討論的部分。文件分配表是硬盤文件尋址系統。一般有兩個，第二個FAT為第一個FAT的備份。FAT區的大小由本分區的大小和文件分配單元的大小決定。FAT的格式我們熟悉的有FAT16、FAT32、NTFS等。其他的OS/2、UNIX/LINUX、NOVELL等都有自己的文件管理格式。

光有FAT還不能確定文件在硬盤中的位置。FAT必須和DIR配合才能準確定位文件的位置。DIR記錄著每個文件（目錄）的起始單元（這是最重要的）、文件的屬性等等。定位文件時，操作系統根據DIR中的起始單元，結合FAT表可以知道文件在硬盤中的具體位置和大小了。

具體的文件讀取原理是這樣的：操作系統從目錄區中讀取文件信息，包括文件名、后綴名、文件大小等和文件在數據區保存的第一個簇的簇號。假定第一個簇號是0064，操作系統從0064簇讀取相應的數據，然后再找到FAT的0064單元，如果0064單元的內容是結束標志（FF），則表示文件結束。否則0064單元保存的內容是文件下一個簇的簇號（如圖1所示），0064單元中保存的是0065單元號，操作系統從0065簇中讀取FL001.TXT文件的第二部分，然后再找到FAT的0065單元，里面保存的是文件下一個部分的簇號。這樣重復下去，直到遇到文件結束標志（FF）為止，整個文件完整地被操作系統讀取[3]。

由上述可知，數據在計算機硬盤上的排列是通過目錄區DIR和文件分配表FAT在數據區DATA中定位文件的起始簇、長度和文件占據了哪一些簇。文件系統在硬盤數據區中的排列是一維的。即數據區中任何一個被占用的簇都只隸屬于一個文件。

2 簇多重映射的假想

2.1 文件重復

對于一個計算機，安裝了目前主流操作系統WINXP和基本的常用軟件后，我們對整個操作系統分區中所有的動態鏈接庫DLL文件進行測試查找（使用DLL文件將縮小搜索結果范圍，同時在整個操作系統文件中具有代表性），在結果結果中按照文件名進行排列會發現出現許多重復文件，這些文件名稱、大小、創建日期、修改日期等屬性均完全相同。通過二進制文件比較軟件UltraCompare進行比較，重復的文件在二進制編碼中完全匹配。一些重復的文件和詳細信息見表2。

我們列舉的動態鏈接庫DLL重復文件只是操作系統分區中許許多多重復文件中的非常小的一部分。可能在某些安裝軟件不同的計算機上略有差異，但總體上操作系統分區中系統文件重復是普遍存在的，尤其是如果在一臺計算機上安裝了同一公司出品的不同軟件，比如說ADOBE公司出品的PHOTOSHOP軟件和PREMIERE軟件。或者是MICROMEDIA公司出品的DREAMWEAVER軟件、FLASH軟件和FIREWORKS軟件。在各個軟件安裝后可能使用同一些動態鏈接文件，它們分布在各自的安裝目錄中。

如果計算機中安裝了兩種操作系統。那么整個硬盤中文件重復的情況將更加多一些。其他還包括在文檔文件、下載文件中的重復保存等情況。

2.2 簇的重復

許多文件的重復使我們能夠進行一種假想：如果能將這些重復的文件合而為一來使用的話，那么是不是能節約一些硬盤空間。不過想想光靠重復文件的節約對節約硬盤空間的意義還不夠大。如表2所示：我們列舉的這些重復文件最后節約出的硬盤空間只有26.5兆。這樣即使將操作系統分區所有重復文件所占據的硬盤空間都節約出來，也可能只不過是多少多少百兆，與我們現在以千兆G計算的硬盤空間來說杯水車薪，起不了多少作用。

那么讓我們進一步假想，由于硬盤上文件的存放是以簇為單位的，那么有沒有可能在硬盤上會出現許多重復的簇。所謂重復的簇是指處于數據區中保存著文件二進制片斷的簇，某幾片內容相同卻隸屬于不同的文件。如果我們能將硬盤中重復的簇空間合而為一的話，節約出的硬盤空間將比僅僅將重復文件合而為一要有效果得多（因為兩個重復文件所占用的簇肯定也是重復的）。

如果我們能改進文件分配表FAT和目錄區DIR記錄文件位置的原理，我們可以實現硬盤中同一個簇對應不同文件的不同部分。這樣一來就可以實現利用簇的多重映射減少硬盤使用空間，增加可用容量。如圖2、圖3所示。

有一些情況可以使得這種設想成為現實，實現節約硬盤容量的目的。第一種是相似的位圖文件。位圖文件中的圖像由數字陣列信息組成，陣列中數據描述的是按順序排列的各像素點的顏色和強度。所以當兩張相似圖片中有相同的區域（如圖4所示）時會產生一系列相同的二進制編碼，那么存放這一系列二進制編碼的簇就是相同的。

同樣的情況還出現在影視制作文件中。影視文件的大小無疑是巨大的。但其同位圖文件一樣，MPEG文件和AVI等視頻文件記錄了影像中視頻的點陣色彩信息和音頻信息。在影視剪輯的情況下，剪輯前后重新生成的不同的視頻文件與原先利用的某些素材有許多片斷都是相同的，只是其中時間的前后次序不同。在這種前提下，應用硬盤簇的多重映射可以使得剪輯后輸出的影視文件依然使用原影視文件中相同的簇。這樣會極大地節約硬盤中的儲存空間。

利用三段視頻素材A、B、C利用會聲會影軟件將其剪輯成兩段視頻。第一段包括素材A和B，第二段包括素材A和C。然后通過二進制文件比較軟件UltraCompare進行比較。結果如表3。

以上是簇的多重映射以節約硬盤空間、增加容量的典型樣例。誠然，文件在計算機硬盤內以簇方式存放的情況也可以非常復雜。如相似的兩個文件占用100個硬盤簇的情況下，只要其第一個簇中多了一個字節或者少了一個字節，就會影響后面99個簇的字節，兩個文件進行對照相同性就不會達到100%。這是實際情況中會發生的。但本文提出簇的多重映射從硬盤文件存放的大維度上看是有起價值的，尤其是目前硬盤越來越大會造成簇多重映射的幾率發生越來越高。

計算機在人類生活中的使用越來越廣泛，各種存儲器的使用更是無所不在，其實這個構想不光可以應用在計算機的硬盤儲存中，其他的一些存儲器都可以以此原理來節約容量。包括數碼相機存儲、手機存儲、PDA等等。實現以上目的需要對整個磁盤的數據結構進行更改，特別是對文件反配表FAT和目錄區DIR的文件映射原理進行改進。在資源有限的現代社會，我們不能只是一味地追求擴大硬盤容量，也可以從反方向來思考節約硬盤空間的方法，“開源”“節流”相輔相成，各得益彰。

參考文獻：

[1] 項家祥.計算機應用基礎[M].上海:華東師范大學出版社，2004:54-57.

[2] 宋群生.硬盤扇區讀寫技術[M].北京:機械工業出版社，2004.

[3] 硬盤分區及FAT32文件結構[J].通信與廣播電視，2002，(4):27-36.