相信你对 linux 的 .tar.gz 有点熟悉，这就是先 tar 打包(.tar 后缀)，再对此 tar 文件用 gzip 压缩(.tar.gz)的后缀名。
值得注意的是， tar 不是压缩软件，它只做把一堆文件/文件夹打包到一个文件(tar 文件)里的事情，而文件联系，文件权限，相对的路径等都会给你保存好。
一开始设计是 tar 跟 gzip 只做一件事情，各司其事，后来发现太麻烦了，于是就把压缩功能整合到 tar 里了。
复制
- Create a gzipped archive: tar czf target.tar.gz file1 file2 file3
1.
2.
最近学习 OS 时写了一个类似 tar 的项目，那么今天就趁热打铁简单说一下如何写一个打包软件，这个软件会将重复的文件内容通过 md5 比较，复用旧的内容。
block 可以理解为文件系统的最小单位，分别有以下类型：
directory block，文件夹 block，存储文件夹 meta 信息;
file block，文件 block，存储文件 meta 信息;
data block，只用来存文件内容;
Directory block，注意的是 entry 里要有 fileindex 来存储重复文件的 name 的下标。
同时，给 项目一个 root dir。
复制
![[[427101]]](https://s6.51cto.com/oss/202110/03/f783d2036522451b86accf2f5e932afe.jpg){kind=link}
typedef struct { char name[SIFS_MAX_NAME_LENGTH]; // name of the directory time_t modtime; // time last modified <- time() uint32_t nentries;// 文件夹内的文件/文件夹数量 struct { SIFS_BLOCKID blockID; // subdirectory 或者 file 的 blockID uint32_t fileindex; // 重复文件的不同名字 } entries[SIFS_MAX_ENTRIES]; } SIFS_DIRBLOCK;
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
文件 Block，length 就是有多少 bytes 的文件内容，之后用来算有多少个 data block，firstblockID 记录第一个数据 block 的 id，nfiles 记录有多少重复内容的文件数量了，filenames 就是重复此文件 block 的文件内容的文件名字。
复制
typedef struct { time_t modtime; // time first file added <- time() size_t length; // length of files' contents in bytes unsigned char md5[MD5_BYTELEN];//the MD5 cryptographic digest (a summary) of the files' contents SIFS_BLOCKID firstblockID;// the block number (blockID) of the files' first data-block uint32_t nfiles; // n files with identical contents char filenames[SIFS_MAX_ENTRIES][SIFS_MAX_NAME_LENGTH];// an array of each same file's name and its modification time. } SIFS_FILEBLOCK;
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
bitmaps数组，记录了每个 block 的类型，有：文件、文件夹以及data block 三种类型。
就让大家看看关键函数好了：
读 tar 后的文件的 meta 头，记录了 block 的大小( blocksize) 以及多少个 blocks。
复制
void read_vol_header(FILE *vol, SIFS_VOLUME_HEADER *header) { fread(header, sizeof(SIFS_VOLUME_HEADER), 1, vol); printf("header->blocksize %zu, header->nblocks %u\n", header->blocksize , header->nblocks); }
1.
2.
3.
4.
bitmap，每次操作 tar 文件都要读的。
复制
void read_bitmap(FILE *vol, SIFS_BIT *bitmap, int nblocks) { int size = nblocks * sizeof(SIFS_BIT); fread(bitmap, size, 1, vol); }
1.
2.
3.
4.
root_block 同理，读和写啥东西都要从 root block、root dir 出发。
复制
void read_root_block(FILE *vol, SIFS_DIRBLOCK *dirblock){ fread(dirblock, sizeof(SIFS_DIRBLOCK), 1, vol); printf("read_root_block finish, dirblock.name: %s, dirblock.entrieds: %d, dirblock.modtime %ld\n", dirblock->name, dirblock->nentries,dirblock->modtime); }
1.
2.
3.
4.
路径嘛，你懂的，./sifs_put volumn ~/res.txt /dirB/subdirB/subsubdir/newfileB，要读的内容可以靠 read 函数解决，但是写到 tar 文件里的就要手动解析递归查路径了。
复制
void read_route_names(char* pathname, char** route_names, int *route_cnt) { char *dir; char *pathname_to_split = copyStr(pathname); strcpy(pathname_to_split, pathname); while ((dir = strsep(&pathname_to_split, "/")) != NULL) { route_names[*route_cnt] = copyStr(dir); (*route_cnt)++; } }
1.
2.
3.
4.
5.
6.
7.
8.
9.
以上几乎是 mkdir，rmdir，writefile，readfile，putfile 等等操作都要做的。
然后，应该举一个 readfile 的例子就可以做代表了。
复制
int recursive_dirinfo(SIFS_DIRBLOCK *cur_dir_block, char **route_names, int route_name_p, int route_cnt);
1.
实现：
复制
int recursive_dirinfo(SIFS_DIRBLOCK *cur_dir_block, char **route_names, int route_name_p, int route_cnt) { for(int i=0; i<cur_dir_block->nentries ; i++) { int blockid = cur_dir_block->entries[i].blockID; if(bitmap[blockid]==SIFS_DIR) { SIFS_DIRBLOCK dirblock; int start = sizeof(SIFS_VOLUME_HEADER) + header.nblocks*sizeof(SIFS_BIT); read_dir_block(vol, &dirblock, blockid * blocksize, start); if(strcmp(dirblock.name, route_names[route_name_p]) == 0) { if(route_name_p+2 == route_cnt) { return do_read_file(cur_dir_block, route_names[route_name_p+1], blockid); } return recursive_dirinfo(&dirblock, route_names, route_name_p+1, route_cnt); } } } return 1; }
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
以``./sifs_put volumn ~/res.txt /dirB/subdirB/subsubdir/newfileB 为例子，如果递归找到 subsubdir`这个文件夹 block，进行相应操作：
写文件就往 bitmap 一直找没有用过的 block，够写文件就写进去，文件夹更新一下信息。
读文件就是根据此文件夹 block，找里面的 newfileB
复制
int do_read_file(SIFS_DIRBLOCK *parent_dir, char *filename, int parent_dir_block) { printf("do_find_file_info, filename %s\n", filename); for(int i=1; i<header.nblocks ; i++) { SIFS_FILEBLOCK fileblock; if(bitmap[i]==SIFS_FILE) { int start = sizeof(SIFS_VOLUME_HEADER) + header.nblocks*sizeof(SIFS_BIT); read_file_block(vol, &fileblock, i * blocksize, start); *nbytes = fileblock.length; int need_data_blocks = *nbytes / header.blocksize; if(strcmp(fileblock.filenames[0], filename) == 0) { for(int d_block_id = fileblock.firstblockID; d_block_id - i -1 < need_data_blocks; d_block_id++) { read_data_block(vol, (char*)(*data)+(d_block_id - i -1), blocksize, d_block_id * header.blocksize, start); } return 0; } } } return 1; }
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
而真实的 tar 自然更复杂，还要记录用户权限、用户、group文件等等：
复制
struct posix_header { /* byte offset */ char name[100]; /* 0 */ 文件名 char mode[8]; /* 100 */ 用户权限 char uid[8]; /* 108 */ user id char gid[8]; /* 116 */ group id char size[12]; /* 124 */ 文件大小 char mtime[12]; /* 136 */ 修改时间 char chksum[8]; /* 148 */ 校验值 char typeflag; /* 156 */ 文件类型标志 char linkname[100]; /* 157 */ 符号链接指向 char magic[6]; /* 257 */ char version[2]; /* 263 */ char uname[32]; /* 265 */ user name char gname[32]; /* 297 */ group name char devmajor[8]; /* 329 */ 设备文件 major char devminor[8]; /* 337 */ 设备文件 minor char prefix[155]; /* 345 */ /* 500 */ }; 文件类型标志定义，包含了所有 Unix 系统中的文件类型 #define REGTYPE '0' /* regular file */ #define LNKTYPE '1' /* link */ #define SYMTYPE '2' /* reserved */ #define CHRTYPE '3' /* character special */ #define BLKTYPE '4' /* block special */ #define DIRTYPE '5' /* directory */ #define FIFOTYPE '6' /* FIFO special */ #define CONTTYPE '7' /* reserved */
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
概览如此，写起来其实有点烦 - = -，有兴趣的读者可以写写。