Linux基础教程：Linux环境下操作特大文件

仔细研究了一下linux环境下文件操作的一些细节，得到以下几个结论，如有不当之处，欢迎批评指正：）

1：创建单个文件的的最大大小由底层文件系统决定。当然，这里的单个文件指的是不含空洞的文件。什么是空洞文件呢？
简单地说，在对文件进行写操作时，如果设置的文件偏移量大于文件的长度，那么对该文件的写将加长该文件，并在文件中构成一个空洞，而没有被写过的字节都被读为0。由于文件的空洞不需要占用存储区（其中具体的处理方式和文件系统的实现有关），因此利用这样的文件空洞特性，我们可以创建(2^63-1)B大小的文件，远远超过硬盘的容量（可以用ls -lh filename以及od -c filename查看）。当然，这样的文件实际占用的存储区远远小于这个大小。关于为什么是(2^63-1)B的大小，后面讨论off_t类型时会谈到～

2：可操作（读、写、修改）文件的最大大小为(2^63-1)B。那天xchen师兄的疑惑就在这里，因为像C标准库中的ftell函数的返回值为long类型，在主流的GCC等编译器中对long类型变量分配的大小为4个字节，即32位。也就是说可操作的文件大小至多是(2^31-1)B。嗯，其实我认为很多情况下单纯依赖C标准库是有限制的。像Windows和基于UNIX的系统其实都有相关的实现来以64位形式对文件进行操作。在linux下，我们可以使用lseek系统调用（不要用C标准库中的fseek()，因为fseek也只支持32位）。lseek函数的原型可在 /usr/include/unistd.h 中查看（unistd.h只是使用extern对lseek函数进行声明，真正定义的位置在内核源码中）：

extern __off_t lseek (int __fd, __off_t __offset, int __whence) __THROW

用户态使用的lseek接口是：

off_t lseek(int fd, off_t offset, int whence);

然，对于大多数系统，off_t类型默认也是32位（可用sizeof(off_t)查看）。那天在实验室机器上（Ubuntu9.10）测试的时候off_t是64位，然而今天在自己机器上一测，却发现是32位。。于是我继续在/usr/include中查找off_t类型的定义，找到了这个：

#  ifndef __USE_FILE_OFFSET64
typedef __off_t off_t;
#  else
typedef __off64_t off_t;

从这段代码中可以看出，off_t其实拥有两种类型：__off_t和__off64_t，__off64_t恐怕就是我们所想要的吧：）而要使off_t为__off64_t类型，必须#define __USE_FILE_OFFSET64.
__USE_FILE_OFFSET64这个宏字面上看有点意思，www.linuxidc.com于是继续搜索,在shell中：grep __USE_FILE_OFFSET64 /usr/include/* -r。 于是在<sys/types.h>找到了这个：

#if defined _FILE_OFFSET_BITS && _FILE_OFFSET_BITS == 64
# define __USE_FILE_OFFSET64    1
#endif

哈，眼前一亮。我想这就是我所需要的：_FILE_OFFSET_BITS
于是，做法很简单。编译时加上宏定义即可：gcc -o program program.c -D_FILE_OFFSET_BITS=64 。－D为宏定义，当然也可在应用程序中加入宏定义
#define _FILE_OFFSET_BITS 64    (要注意的是，#define必须放在#include <unistd.h>之前。原因很简单，无需赘述。)
可以自己动手验证一下：先生成一个4G（2^32）大小的文件，我在linux下可创建的最大文件为2G，因此不得不在Windows下生成一个，呵。命名为large,用以下代码进行简单测试：

//#define _FILE_OFFSET_BITS 64 
 #include <unistd.h>
 #include <sys/types.h>
 #include <sys/stat.h>
 #include <stdio.h>
 #include <stdlib.h>

 int main()
 {
  int fd = open("large", O_RDONLY);
  if (fd == -1)
  {
          fprintf(stderr, "Failed to open..");
          exit(EXIT_FAILURE);
  }
  printf("%d \n", sizeof(off_t));// 8
  off_t offset = lseek(fd, (off_t)3*1024*1024*1024, SEEK_SET);//访问位于3G位置处的字符
  if (offset == -1)
  {
          fprintf(stderr, "Failed to seek..");
          exit(EXIT_FAILURE);
  }
  char ch; 
  read(fd, &ch, 1); 
  printf("the character = %c\n", ch);
  close(fd);
  
  exit(EXIT_SUCCESS);
 }

编译命令：gcc -o test test.c -D_FILE_OFFSET_BITS=64 -std=c99

这样就可以64位偏移地址形式操作文件。对于1中创建的含空洞文件最大为（2^63-1）B，也理所当然。