为什么文件显示 10GB，但实际只占 4KB

上一篇讲的是：

为什么 Linux 文件实际占用空间通常是 4KB 的整数倍？

文章中有一个反例：

稀疏文件（Sparse File）
例如创建一个：10GB 文件
但是里面大量空间为空。
Linux 可以只分配真正写入的数据 block。

一、文件大小为什么会有两个概念？

Linux 中，一个文件有两个重要属性：

1. 逻辑大小（Logical Size）

也就是：

ls -lh

看到的大小。

例如：

-rw-r--r-- 1 root root 10G test.img

表示这个文件从用户角度看，长度 = 10GB

2. 实际占用空间（Disk Usage）

也就是：

du -h

看到的大小。

例如：

4.0K test.img

表示真正占用磁盘：4KB

于是出现：

逻辑大小：10GB
实际占用：4KB

两个数字完全不同。

二、Linux 为什么允许这样？

关键在于，文件内容和磁盘 block 不是一一对应的

普通文件：

例如：

hello.txt

内容：

Hello Linux

文件系统：

inode
 |
 +--- block 1
      Hello Linux

但是稀疏文件，例如：

test.img

逻辑上：

0GB -------------------- 10GB

但是实际：

block 1
|
数据

中间大量区域：

没有分配 block

文件系统只记录：这里没有数据，读取时返回 0。

三、如何创建一个稀疏文件？

例如创建一个 10GB 文件：

dd if=/dev/zero of=test.img bs=1 count=1 seek=10G

查看：

ls -lh test.img

结果：

10G test.img

但是：

du -h test.img

结果：

4.0K test.img

为什么？

因为命令做的事情，不是写入10GB数据。

而是：

写入1个字节
把文件位置移动到10GB处
告诉 Linux：这个文件结束位置在这里

于是 Linux 创建了一个10GB长度的文件

但是只分配了一个block。

四、读取不存在的 block 会发生什么？

假设文件：

10GB

但是只有：

第0个block

有数据。

程序读取：

5GB位置

文件系统发现：这里没有 block。

Linux 返回：

0000000000000000

也就是全部为0。

所以稀疏文件实际上是用“没有存储”表示“大量连续的0”。

五、稀疏文件有什么用？

1. 虚拟机磁盘

这是最常见场景。

例如创建：

虚拟机硬盘：100GB

但是系统刚安装：

实际使用：8GB

如果普通文件直接占：

100GB

浪费空间。

使用稀疏文件：

虚拟磁盘:100GB
实际:8GB

随着使用增长。

2. 云服务器镜像

云厂商创建：

200GB 云硬盘

实际上用户可能只用了：

30GB

底层存储可以节省大量空间。

3. 数据库文件

数据库经常提前申请空间

例如：

100GB 数据文件

避免频繁扩容。

但是实际数据可能：

20GB

六、为什么不是所有文件都使用稀疏？

因为稀疏文件也有成本。

普通文件：

block1
block2
block3

连续。

稀疏文件：

block1
空洞
空洞
block5

读取时文件系统需要判断这个位置有没有真实 block。

增加管理复杂度。

七、如何判断一个文件是不是稀疏文件？

看：

ls -lh 文件

逻辑大小：

10G

再看：

du -h 文件

实际占用：

4K

如果：

ls >> du

差距巨大。

基本就是稀疏文件。

八、回到最初的问题

上一篇说：Linux 文件实际占用空间通常是4KB整数倍。

现在这个结论依然正确。

因为稀疏文件实际占用：

4KB

仍然是：

4KB 的整数倍