了解NTFS压缩

在您选中“压缩内容以节省磁盘空间”复选框之前，最好先了解一下这对磁盘上运行的快乐的小字节、字节和半字节有何影响。
备份应用程序在备份压缩文件时通常会收到ERROR U DISK U FULL errors，当驱动器上还有几GB的可用空间时，这会导致相当大的混乱。复制压缩文件时也可能出现其他问题。本文的目标是让读者更全面地了解压缩NTFS文件时到底发生了什么。

Compression Units

NTFS使用一个名为“压缩单元”的参数来定义数据流中压缩字节范围的粒度和对齐方式。压缩单元的大小完全基于NTFS簇大小（有关详细信息，请参阅下表）。在下面的描述中，缩写“CU”用于描述压缩单元和/或其尺寸。
CU的默认大小是16个簇，尽管CU的实际大小实际上取决于磁盘的簇大小。下面的图表显示了与每个有效的NTFS簇大小相对应的CU大小。

Cluster Size	Compression Unit	Compression Unit (hex bytes)
512 Bytes	8 KB	0x2000
1 KB	16 KB	0x4000
2 KB	32 KB	0x8000
4 KB	64 KB	0x10000
8 KB	64 KB	0x10000
16 KB	64 KB	0x10000
32 KB	64 KB	0x10000
64 KB	64 KB	0x10000

本机NTFS压缩在群集大小大于4KB的卷上不起作用，但仍可以使用稀疏文件压缩。

NTFS稀疏文件

NTFS的稀疏文件特性允许应用程序创建非常大的文件，这些文件主要由零范围组成，而无需为零范围实际分配LCN（逻辑群集）。对于代码头，可以通过使用FSCTL_SET_SPARSE IO控制代码调用DeviceIoControl来完成，如下所示。

BOOL SetSparse(HANDLE hFile)
     {
           DWORD Bytes;
           return DeviceIoControl(hFile, FSCTL_SET_SPARSE, NULL, 0, NULL, 0, &Bytes, NULL);
     }

若要指定零范围，则应用程序必须使用FSCTL_SET_ZERO_DATA IO控制代码调用DeviceIoControl。

BOOL ZeroRange(HANDLE hFile, LARGE_INTEGER RangeStart, LONGLONG RangeLength)
     {
            FILE_ZERO_DATA_INFORMATION FileZeroData;
            DWORD Bytes;
            FileZeroData.FileOffset.QuadPart = RangeStart.QuadPart;
            FileZeroData.BeyondFinalZero.QuadPart = RangeStart.QuadPart + RangeLength + 1;
            return DeviceIoControl( hFile,
                                     FSCTL_SET_ZERO_DATA,
                                     &FileZeroData,
                                     sizeof(FILE_ZERO_DATA_INFORMATION),
                                     NULL,
                                     0,
                                     &Bytes,
                                     NULL);
     }

因为稀疏文件实际上不会为零范围分配空间，所以稀疏文件可以比父卷大。为此，NTFS创建一个占位符VCN（虚拟集群号）范围，不映射逻辑集群。任何访问“稀疏”范围的尝试都会导致NTFS返回一个满是零的缓冲区。访问分配的范围将导致对分配范围的正常读取。当数据写入稀疏文件时，会创建一个与包含写入字节的压缩单元边界完全对齐的分配范围。请参阅下面的示例。如果虚拟集群号vcn0x3a发生单字节写入，那么所有压缩单元3（vcn0x30-0x3f）将成为分配的LCN（逻辑集群号）范围。分配的LCN范围将填充零，并且单个字节将写入目标LCN中适当的字节偏移量。

[...] - ALLOCATED
(,,,) - Compressed
{ } - Sparse (or free) range
   / 00000000000000000000000000000000000000000000000000000000000000000000000000000000
VCN 00000000000000001111111111111111222222222222222233333333333333334444444444444444
    0123456789abcdef0123456789abcdef0123456789abcdef0123456789abcdef0123456789abcdef
            CU0 CU1 CU2 CU3 CU4
     |++++++++++++++||++++++++++++++||++++++++++++++||++++++++++++++||++++++++++++++|
     { }[..............]{ }
Extents {
    VCN = 0x0 LEN = 0x30 CU0 - CU2
    VCN = 0x30 LEN = 0x10: LCN = 0x2a21f CU3
    VCN = 0x10 LEN = 0x10 CU4
}

下面是使用稀疏文件API创建的2GB文件的屏幕截图。

请注意，这个卷只有76.9MB，但在根文件夹中有一个2GB的文件。

如果我们试图用COPY命令复制这个稀疏文件，它将失败。这是因为COPY不知道如何复制文件上的稀疏属性，所以它试图在D:的根目录中创建一个真正的2GB文件。当尝试将大型数据库文件从一个卷移动到另一个卷时，可能会发生这种情况。如果您的数据库应用程序使用稀疏属性，那么在将数据库移动到其他卷时，最好使用数据库软件的备份/还原功能。

现在让我们用COMPACT实用程序查看文件的属性。请注意，该文件显示为压缩文件，并且具有巨大的压缩比。

如果您返回并从资源管理器查看文件属性，您将注意到没有压缩复选框（或任何其他指示文件已压缩）。这是因为shell不检查文件中的稀疏位。

简而言之，在将稀疏文件从一个位置移动到另一个位置时要小心。应用程序告诉文件系统零范围的偏移量，因此您应该始终将稀疏文件的管理留给创建它们的应用程序。手动移动或复制稀疏文件可能会导致意外结果。

NTFS Compression

既然我们已经讨论了稀疏文件，我们将继续讨论传统的NTFS压缩。NTFS通过将数据流分成CU来压缩文件（这与稀疏文件的工作方式类似）。当创建或更改流内容时，数据流中的每个CU都被单独压缩。如果压缩导致减少一个或多个群集，则压缩单元将以其压缩格式写入磁盘。然后将稀疏VCN范围固定到压缩VCN范围的末尾以进行对齐（如下例所示）。如果数据压缩不足以将一个集群的大小缩小，那么整个CU将以未压缩的形式写入磁盘。
这种设计使得随机访问非常快，因为只有一个CU需要解压缩才能访问文件中的任何单个VCN。不幸的是，大型顺序访问相对较慢，因为许多CU的解压需要执行顺序操作（如备份）。
在下面的示例中，压缩文件由六组映射对（编码的文件范围）组成。三个分配的范围与三个稀疏范围共存。稀疏范围的目的是保持压缩单元边界上的VCN对齐。这可以防止NTFS在用户希望读取文件中的小字节范围时不得不解压缩整个文件。第一个压缩单元（CU0）压缩了12.5%（这使得分配的范围缩小了2个VCNs）。在文件扩展数据块中添加了一个额外的空闲VCN范围，作为CU尾部释放的lcn的占位符。第二个分配的压缩单元（CU1）与第一个相似，只是CU压缩了大约50%。
NTFS不能压缩CU2和CU3，但部分CU4可压缩69%。因此，CU2和CU3未压缩，而CU4从VCN 0x40压缩到0x44。因此，CU2、CU3和CU4是一个单独的运行，但该运行包含压缩和未压缩VCN的混合。
注意：每组括号代表已分配或可用空间的连续运行。一组NTFS映射对描述了每组括号。

[...] - ALLOCATED
(,,,) - Compressed
{ } - Sparse (or free) range
   / 00000000000000000000000000000000000000000000000000000000000000000000000000000000
VCN 00000000000000001111111111111111222222222222222233333333333333334444444444444444
    0123456789abcdef0123456789abcdef0123456789abcdef0123456789abcdef0123456789abcdef
           CU0 CU1 CU2 CU3 CU4
     |++++++++++++++||++++++++++++++||++++++++++++++||++++++++++++++||++++++++++++++|
     (,,,,,,,,,,,,){}(,,,,,,){ }[...............................,,,,){ }
Extents {
    VCN = 0x0 LEN = 0xe : LCN = 0x29e32d CU0
    VCN = 0xe LEN = 0x2 CU0
    VCN = 0x10 LEN = 0x8 : LCN = 0x2a291f CU1
    VCN = 0x18 LEN = 0x8 CU1
    VCN = 0x20 LEN = 0x25 : LCN = 0x39dd49 CU2 - CU4
    VCN = 0x45 LEN = 0xb CU4
}

现在我们来讨论这个设计的局限性。下面是一些在读/写压缩文件时出错的例子。

Disk full error during a backup read operation or file copy

1. NTFS确定正在访问哪个压缩单元。
2. 读取压缩单元的整个分配范围。
3. 如果单元没有被压缩，那么我们跳到第5步。否则，NTFS将尝试保留（但不分配）将解压缩的CU写回磁盘所需的空间。如果磁盘上的可用空间不足，则应用程序在读取期间可能会出现错误“磁盘已满”。
4. CU将在内存中解压缩。
5. 解压后的字节范围将映射到缓存中并返回到请求应用程序。
6. 如果CU的一部分在缓存中被改变…
   步骤3中的保留磁盘空间将变为已分配空间。
   铜的含量将被压缩并冲洗回新分配的区域（LCN位置通常不会改变）。
   CU中的任何可恢复磁盘空间都将被释放。

Failure to copy a large file to a compressed folder

这是压缩中最常见的问题，目前的解决方案是教育用户了解限制。NTFS压缩大约为每16个数据簇创建一个文件片段。因为标准压缩允许的最大集群大小是4K，所以允许的最大压缩单元是64KB。为了将一个100GB的文件压缩成64KB的部分，最终可能会有1638400个片段。编码1638400个片段对于文件系统来说是有问题的，并且可能导致创建压缩文件失败。在Vista及更高版本上，文件复制将失败，并受到状态“文件”和“系统”的限制。在早期版本中，状态代码为statusu unficientu RESOURCES。如果可能，请避免对较大或对系统性能至关重要的文件使用压缩。
我收到了来自NTFS主要开发负责人关于这个博客的反馈。幸运的是，大多数反馈都很好，但他要求我增加一个最大尺寸的建议。根据我们开发团队的研究，对于集群大小为4KB的卷上的压缩文件，50-60GB是一个“合理的大小”。对于集群大小较小的卷，这个“合理大小”会急剧下降。

压缩.VHD（虚拟硬盘）文件会导致虚拟机性能降低