自定义Linux 'du'命令C程序的计算偏差与符号链接问题排查

一、符号链接处理修正（优先解决，因直接导致偏差增大与测试失败） #

1. 使用lstat()替代stat()：stat()会自动跟随符号链接获取目标文件信息，而lstat()返回的是符号链接本身的元数据，这是实现「不跟随符号链接」的核心。
2. 跳过符号链接的递归与大小统计：
   • 调用lstat()后，通过S_ISLNK(st_mode)判断是否为符号链接，若是则直接跳过后续递归逻辑。
   • 注意：du -l -s -B512默认不统计符号链接本身的磁盘占用，因此不要将符号链接的st_blocks或st_size计入总容量。
3. 专项验证：
   • 创建测试环境：生成一个符号链接指向大文件，同时创建包含该链接的目录。
   • 对比du -l -s -B512 测试目录与你的程序输出，确认链接未被跟随、其大小未被计入。

二、大目录计算偏差排查 #

1. 块单位与磁盘占用匹配：
   • du统计的是实际磁盘占用块数，而非文件逻辑大小，必须使用struct stat中的st_blocks字段（POSIX规定该字段以512字节为单位），禁止直接用st_size按512字节取整（稀疏文件会导致巨大偏差）。
   • 验证：对比单个稀疏文件的du -B512输出与程序计算值，确认使用st_blocks的正确性。
2. 硬链接逻辑修正（对应-l参数）：
   • du -l的行为是：对每个硬链接实例重复统计文件的磁盘占用（默认du会对同inode的硬链接只统计一次）。因此你的程序无需跟踪inode去重，只要是普通文件（S_ISREG），无论是否为硬链接，直接累加st_blocks即可。
3. 目录遍历完整性检查：
   • 遍历目录时必须跳过.和..，避免无限递归。
   • 处理readdir()的异常情况：当readdir()返回NULL时，检查errno，若为EINTR（系统调用被中断）需重新读取，确保目录条目不遗漏。
4. 权限错误处理：
   • /usr/lib中部分文件/目录可能无读权限，调用lstat()或opendir()失败时，需跳过该文件/目录，并记录错误（可选），避免中断整个统计流程。

三、忙等待替换为条件变量 #

假设你的程序采用多线程架构（如线程池处理目录遍历），修正步骤如下：

1. 初始化同步原语：定义全局或线程共享的pthread_mutex_t（互斥锁）和pthread_cond_t（条件变量），并在程序启动时完成初始化。
2. 替换忙等待逻辑：
   • 原忙等待代码（示例）：

     while (任务队列为空) {
         // 空循环浪费CPU
     }
     

   • 改为条件变量等待：

     pthread_mutex_lock(&mutex);
     while (任务队列为空) {
         pthread_cond_wait(&cond, &mutex); // 自动释放锁并阻塞，被唤醒后重新加锁
     }
     // 处理任务
     pthread_mutex_unlock(&mutex);
     

3. 唤醒等待线程：当向任务队列添加新任务或所有任务完成时，持有互斥锁的前提下调用pthread_cond_signal()（唤醒单个线程）或pthread_cond_broadcast()（唤醒所有等待线程）。
4. 资源清理：程序退出前销毁互斥锁和条件变量，避免资源泄漏。

内容的提问来源于stack exchange，提问作者Sp1tNMyFace