Sistemas Operacionais

Sistemas de Arquivos e Entrada/Saída

Professor: Gabriel Soares Baptista

Introdução

Hoje veremos como o SO transforma blocos crus e dispositivos lentos em uma interface simples.

Interface vista pelo programa:

• arquivos e diretórios
• open, close, read, write, seek
• operações de entrada e saída

Problema central: como armazenar informações de forma persistente, encontrável, compartilhável e eficiente, mesmo quando o hardware só entende blocos, controladores, interrupções e erros?

Da Memória Virtual aos Arquivos

Na aula anterior: memória virtual cria a ilusão de espaço grande, contínuo e privado.

Agora o problema muda:

• memória do processo desaparece quando o processo termina
• muitos dados precisam sobreviver por dias, meses ou anos
• dados precisam ser encontrados por nome
• dados precisam ser compartilhados e protegidos

Base: Tanenbaum, capítulo 4, seções 4.1 a 4.4, e capítulo 5, seções 5.1 a 5.3.

Pergunta Inicial

Quando você salva relatorio.txt, o que o sistema precisa lembrar?

• nome do arquivo
• onde estão os bytes
• quem pode acessar
• tamanho e datas
• quais blocos pertencem ao arquivo
• quais blocos ainda estão livres

O nome sozinho não basta. O sistema de arquivos precisa manter dados e metadados consistentes.

Arquivo: Abstração Persistente

Um arquivo é uma unidade lógica de informação criada por processos e gerenciada pelo SO.

Ele evita que o programa lide diretamente com:

• cilindros, setores e blocos físicos
• controladores de dispositivo
• temporização de hardware
• interrupções e erros

Para o programador: nome, conteúdo e operações.

Para o SO: metadados, blocos, permissões e relação com diretórios.

Por que Arquivos Existem?

Arquivos resolvem o que a memória principal não resolve sozinha: persistência, escala e compartilhamento.

Nomes, Extensões e Tipos

Ao criar um arquivo, o processo dá um nome a ele.

Regras variam entre sistemas:

• UNIX/Linux distinguem maiúsculas e minúsculas
• MS-DOS historicamente não distinguia
• extensões como .c, .txt, .jpg, .pdf indicam convenções

Em UNIX, extensão costuma ser convenção.

Em ambientes gráficos, extensão costuma ajudar a escolher o programa que abrirá o arquivo.

Extensão Não Garante Conteúdo

Um nome como foto.jpg sugere uma imagem JPEG.

Mas o sistema de arquivos pode não verificar isso.

O conteúdo real depende de:

• bytes armazenados
• formato interpretado pelo programa
• validação feita pela aplicação

Conclusão: extensão é pista, não prova.

Estrutura Interna dos Arquivos

Tanenbaum apresenta três formas clássicas de enxergar arquivos.

Bytes, Registros e Árvores

Sequência de bytes:

• arquivo é uma sequência linear: byte 0, byte 1, byte 2...
• SO não sabe se é texto, imagem, vídeo ou executável
• interpretação fica nos programas de usuário

Sequência de registros:

• SO reconhece uma unidade maior que byte: o registro
• programa lê “o próximo registro”, não apenas “os próximos 200 bytes”
• fronteiras entre registros fazem parte da organização

Árvore de registros:

• cada registro possui uma chave
• busca pode navegar pela árvore em vez de percorrer tudo em ordem

Por que Bytes São Flexíveis?

Sequência de bytes é a opção mais flexível.

Vantagem:

• SO não precisa conhecer todos os formatos possíveis
• novos formatos não exigem alterar o kernel
• programas diferentes podem interpretar os mesmos bytes de formas diferentes

Desvantagem:

• SO ajuda menos
• se um programa interpreta bytes errados como imagem ou executável, o erro precisa ser tratado em outro nível

Acesso Sequencial e Aleatório

Primeiros sistemas: acesso sequencial combinava com fitas magnéticas.

Com discos: acesso aleatório se tornou viável.

Em UNIX e Windows, seek altera a posição atual do arquivo.

Atributos e Operações

Arquivos têm conteúdo e metadados.

Operações comuns: create, delete, open, close, read, write, append, seek, get attributes, set attributes, rename.

O que open Faz?

Abrir um arquivo não significa ler todos os dados imediatamente.

open prepara o sistema para acessos futuros:

• localiza o arquivo
• carrega metadados relevantes
• cria uma entrada interna no kernel
• devolve ao processo um descritor de arquivo

Depois disso, read e write usam esse descritor.

Exemplo: Copiar Arquivo

abrir entrada.txt para leitura
criar saida.txt para escrita
enquanto houver bytes na entrada:
    ler um bloco da entrada
    escrever esse bloco na saída
fechar os dois arquivos

O programa não precisa saber onde estão os blocos físicos de entrada.txt.

O SO converte pedidos de bytes em:

• leituras de blocos
• uso de cache
• chamadas ao driver
• operações de E/S

Diretórios Transformam Nomes em Localização

Um sistema com milhares de arquivos não pode ser uma única lista plana.

Diretórios:

• organizam nomes
• agrupam arquivos relacionados
• associam nomes à informação necessária para localizar o arquivo

A informação associada pode ser:

• primeiro bloco do arquivo
• conjunto de atributos
• número de um i-node

Diretórios Hierárquicos

Sistemas modernos usam diretórios em árvore.

Isso permite organização por usuário, aplicação ou projeto.

Caminhos Absolutos e Relativos

Diretório de trabalho: referência usada por caminhos relativos.

Se o diretório atual é /usr/ast, então caixapostal e /usr/ast/caixapostal apontam para o mesmo arquivo.

Nomes especiais:

• . é o diretório atual
• .. é o diretório pai

Operações com Diretórios

Em UNIX, remover arquivo é remover uma ligação nome → arquivo. Por isso: unlink.

Links Rígidos e Simbólicos

Links rígidos tornam o sistema mais parecido com um grafo acíclico do que com uma árvore pura.

Link simbólico quebrado não é arquivo corrompido: o link existe, mas a resolução do caminho falha.

Implementação no Disco

Agora olhamos o sistema de arquivos pelo lado de quem implementa.

Disco simplificado: sequência de blocos.

Perguntas que o sistema precisa responder:

1. Quais blocos pertencem a cada arquivo?
2. Quais blocos estão livres?
3. Onde ficam os metadados?
4. Como encontrar o diretório-raiz?
5. Como recuperar o sistema após uma queda?

Esquema Geral de uma Partição

Superbloco

O superbloco é especialmente importante.

Ele guarda parâmetros essenciais para interpretar a partição.

Se for perdido ou corrompido, o sistema pode não saber:

• tamanho dos blocos
• onde ficam i-nodes
• onde começa a área de dados
• como interpretar o restante da partição

Sem superbloco confiável, o restante do disco pode virar bytes sem contexto.

Alocação Contígua

Cada arquivo ocupa uma sequência contínua de blocos no disco.

Vantagens:

• simples: basta bloco inicial e tamanho
• leitura sequencial rápida: blocos ficam juntos

Problemas:

• fragmentação externa
• arquivo novo pode não caber em nenhuma lacuna
• crescimento exige prever tamanho ou mover arquivo

Lista Encadeada e FAT

Lista encadeada: cada bloco aponta para o próximo.

Vantagem:

• elimina exigência de blocos contíguos

Problema:

• acesso aleatório é ruim
• para chegar ao bloco $n$, é preciso seguir ponteiros desde o início

FAT melhora isso:

• tabela global do sistema de arquivos
• uma entrada para cada bloco do disco
• entrada $4$ pode dizer que o próximo bloco é $7$
• encadeamento seguido sem ler cada bloco de dados no disco

I-nodes

Em sistemas com i-nodes, cada arquivo possui sua própria estrutura de metadados.

I-nodes

O i-node guarda:

• atributos do arquivo
• endereços dos blocos que pertencem ao arquivo
• ponteiros diretos para blocos de dados
• ponteiros indiretos quando o arquivo cresce

Arquivos pequenos são baratos; arquivos grandes continuam possíveis.

FAT vs I-node

Considere um arquivo nos blocos físicos $4$, $7$ e $12$.

Na FAT:

No i-node:

Diferença central: FAT é global e indexada por blocos; i-node é por arquivo.

Vantagem do I-node

FAT:

• tabela comum a todos os arquivos
• cresce com o número total de blocos do disco
• precisa ficar disponível na memória para funcionar bem

I-node:

• sistema carrega principalmente os i-nodes dos arquivos abertos
• metadados ficam associados ao próprio arquivo
• escala melhor em discos grandes

Ambos aceitam arquivos espalhados. A diferença é onde fica o mapa dos blocos.

Implementando Diretórios

Diretório precisa mapear nomes para informação que localiza o arquivo.

Nomes longos e variáveis criam desafios:

• reservar 255 caracteres por entrada desperdiça espaço
• sistemas reais usam entradas variáveis ou área separada para nomes
• diretórios grandes podem usar hash ou caches de busca

Gerenciamento de Espaço: Tamanho de Bloco

Arquivos são divididos em blocos de tamanho fixo.

Conflito clássico: espaço vs tempo.

O melhor tamanho depende da carga de trabalho: vídeos grandes e milhões de arquivos pequenos pedem decisões diferentes.

Lista Livre e Mapa de Bits

Para reutilizar espaço, o sistema precisa saber quais blocos estão livres.

Cotas

Em sistemas multiusuário, o SO pode impor cotas.

Cota limita:

• número de blocos por usuário
• número de arquivos por usuário
• consumo total de espaço

Objetivo:

• impedir que um usuário use todo o disco
• proteger os demais usuários
• tornar o uso do armazenamento previsível

Confiabilidade: Por que é Difícil?

Sistemas de arquivos precisam ser rápidos e sobreviver a falhas.

Problema: operações simples exigem várias escritas reais.

Remover arquivo em sistema parecido com UNIX pode exigir:

1. remover entrada do diretório
2. liberar o i-node
3. liberar blocos de dados

Se o sistema cai no meio, estruturas podem discordar entre si.

Falhas Durante Remoção

Se cai depois de remover a entrada do diretório:

• arquivo não aparece mais
• blocos podem continuar marcados como ocupados
• há vazamento de espaço

Se cai depois de liberar blocos, mas antes de remover a entrada:

• entrada de diretório ainda parece válida
• blocos podem ser reutilizados por outro arquivo
• risco de corrupção séria

Consistência exige coordenar várias estruturas.

Verificação de Consistência

Ferramentas como fsck examinam redundâncias do sistema de arquivos.

Podem encontrar:

• blocos desaparecidos
• blocos duplicados na lista livre
• blocos de dados atribuídos a mais de um arquivo

Funciona, mas pode ser lento em discos grandes porque precisa varrer muitas estruturas.

Journaling

Sistema com journaling registra no diário o que pretende fazer antes de modificar estruturas principais.

Exemplo: remover temp.log.

transação: remover temp.log
ação 1: remover entrada do diretório
ação 2: liberar i-node k
ação 3: marcar blocos b1, b2, b3 como livres

Depois que a entrada está segura no disco, o sistema executa as ações reais.

Após queda, a recuperação lê o journal e sabe o que completar ou verificar.

Journaling: Cuidados

Operações registradas precisam ser idempotentes.

Idempotente: pode ser repetida sem mudar o resultado além da primeira execução.

Exemplo: marcar bloco $n$ como livre só é seguro se repetir isso não adicionar o mesmo bloco duas vezes a uma lista.

Journaling não é backup:

• ajuda após queda ou desligamento inesperado
• não protege contra apagar arquivo por engano
• não protege contra sobrescrever dados importantes
• não protege contra perda física do disco

Sistemas Estruturados em Log

Tanenbaum também discute sistemas de arquivos estruturados em log.

Ideia:

• escrever muitas alterações pequenas como grandes segmentos sequenciais
• aproveitar melhor a largura de banda do disco
• útil quando muitas leituras já são atendidas pela cache

Diferença para journaling:

Desempenho: Cache de Blocos

Disco é muito mais lento que memória.

Mesmo com alta taxa de transferência, há latência de busca, rotação, fila e controlador.

Cache de blocos:

• mantém em RAM blocos logicamente pertencentes ao disco
• leitura em cache evita acesso ao disco
• bloco ausente é lido do disco e guardado para o futuro

Cache: Desempenho vs Risco

Algoritmos como LRU podem decidir quais blocos remover.

Mas sistemas de arquivos têm preocupação extra: consistência.

Blocos críticos:

• i-nodes
• diretórios
• mapas de espaço livre
• superblocos

Se metadados sujos ficam só na cache e o sistema cai, o sistema de arquivos pode ficar inconsistente.

Política de cache não é apenas desempenho; também é risco.

Políticas de Escrita

Não existe política grátis: reduzir risco costuma custar desempenho.

Leitura Antecipada e Localidade

Leitura antecipada:

• se o arquivo está sendo lido sequencialmente, carrega o próximo bloco antes do pedido
• ajuda em vídeo, logs e arquivos grandes
• atrapalha em acesso aleatório se desperdiça cache e largura de banda

Localidade:

• colocar blocos relacionados próximos reduz movimento do braço do disco
• melhora leitura sequencial em HDs

Desfragmentação:

• tenta tornar arquivos e espaço livre mais contíguos

SSD Muda Parte da História

Em SSDs:

• não há braço mecânico
• não há latência rotacional
• fragmentação tem impacto diferente
• desfragmentar geralmente não traz ganho relevante
• desfragmentar ainda gasta ciclos de escrita do dispositivo

Conclusão: otimizações pensadas para HDs nem sempre fazem sentido em SSDs.

Entrada e Saída: Caminho até o Hardware

O sistema de arquivos depende de E/S.

Para ler um bloco, ele conversa com camadas mais baixas que sabem lidar com:

• controladores
• interrupções
• DMA
• dispositivos reais

Tanenbaum divide dispositivos em duas categorias principais.

Controladores e Registradores

Dispositivo possui parte física e parte eletrônica.

A parte eletrônica é o controlador.

O SO geralmente conversa com o controlador, não com cada detalhe físico.

Controlador expõe registradores para:

• enviar comandos
• consultar estado
• transferir dados
• verificar erros

Exemplo: perguntar se o dispositivo está pronto ou mandar iniciar uma leitura.

E/S Mapeada em Memória

Há duas formas clássicas de acessar registradores de dispositivos.

Na E/S mapeada em memória, driver acessa registradores como posições especiais de memória.

Cuidado: registradores de dispositivo não devem ser tratados como memória comum em cache.

Cache poderia devolver valor antigo e esconder mudança real do dispositivo.

E/S Programada, Interrupções e DMA

Como o DMA Funciona

No DMA, a CPU programa o controlador com:

• endereço de memória
• tamanho da transferência
• direção da transferência

Depois:

• controlador move dados entre dispositivo e memória
• CPU executa outro trabalho
• CPU é interrompida quando a transferência termina

DMA é especialmente útil para transferências maiores.

Exemplo: Impressora

Imagine imprimir uma sequência de caracteres.

Interrupção não é gratuita:

• salva estado
• troca contexto
• executa tratador
• retorna

Se ocorrer a cada byte, pode ficar cara.

Camadas do Software de E/S

Cada camada esconde detalhes da camada inferior e oferece interface mais regular para a superior.

Independência de Dispositivo

Um programa que chama read não deveria saber se os dados vêm de:

• SSD
• HD
• pendrive
• sistema de arquivos remoto

Drivers contêm conhecimento específico do dispositivo:

• blocos, filas, controladores, erros e comandos para discos
• eventos de teclas para teclados

Drivers podem ser carregados dinamicamente.

O restante do kernel não deve ser reescrito para cada dispositivo novo.

Software Independente, Buffers e Spooling

Software independente de dispositivo cuida de:

1. nomeação uniforme
2. proteção
3. utilização de buffers
4. relatório de erros
5. alocação e liberação de dispositivos dedicados
6. tamanho de bloco lógico independente do dispositivo

No UNIX, dispositivos aparecem como arquivos especiais em /dev.

Buffers suavizam diferenças de velocidade entre produtor e consumidor.

Spooling coloca trabalhos em fila para dispositivos dedicados, como impressoras.

O Caminho Completo de uma Leitura

Quando um processo executa read(fd, buffer, n):

1. chamada de biblioteca aciona chamada de sistema
2. kernel localiza arquivo aberto associado a fd
3. sistema de arquivos descobre blocos da posição atual
4. cache de blocos é consultada
5. se há cache hit, dados são copiados ao processo
6. se há cache miss, camada de E/S busca o bloco
7. driver programa controlador, possivelmente com DMA
8. processo pode bloquear
9. interrupção avisa fim da E/S
10. bloco chega à cache e dados retornam ao processo

Próximos Passos

Avaliação C3!