为什么rsync能够快速删除400000文件

原文地址：http://blog.liulantao.com/Technology/2013/06/13/why-can-rsync-rapidly-delete-400000-files.html
另外，linux下统计syscall可以使用strace -c

背景

Quora上一篇文章提到通过rsync能够快速删除大量文件，之后在这篇文章里做了一个详细的评测，对于rm/find/rsync等诸多方法的性能做了对比。

对于出现性能的差异，应该属于预料中的结果。为了验证这个现象，我模拟了Quora原提问的要求，创建了40万个文件，分别用rm和rsync进行删除操作，对syscall做统计。为了简化条件，这写文件全部是空文件（使用包含内容的文件对结果不会造成明显差异，有兴趣可以重试一下）。

统计syscall使用了dtruss工具，这是MacOSX上提供的syscall调试工具，基于DTrace。Linux上可以使用SystemTap来代替。

验证测试步骤

第一步，创建测试文件

mkdir tmp/; seq 1 400000 | xargs -I{} touch tmp/file_{} 

创建的目录文件大小约为13M。这个大小指的是目录文件，不包含目录中文件，要注意。

$ ls -dl tmp/
drwxr-xr-x 56513 lax  wheel 13062562 6 13 16:18 tmp-test-rsync 

第二步，使用dtruss执行rm命令测试

$sudo dtruss -c 'rm -rf tmp-test-rm/'


CALL                                        COUNT
__mac_syscall                                   1
audit_session_self                              1
bsdthread_register                              1
exit                                            1
fstatfs64                                       1
getaudit_addr                                   1
getegid                                         1
rmdir                                           1
shared_region_check_np                          1
thread_selfid                                   1
__sysctl                                        2
close                                           2
close_nocancel                                  2
csops                                           2
getpid                                          2
ioctl                                           2
issetugid                                       2
open                                            2
open_nocancel                                   2
pread                                           2
geteuid                                         3
fchdir                                          4
mprotect                                        8
stat64                                         34
mmap                                           93
munmap                                        184
madvise                                       205
getdirentries64                              2659
lstat64                                    311901
unlink                                     400000 

第三步，使用dtruss执行rsync命令测试

$sudo dtruss -c 'rsync -a --delete empty/ tmp/'


CALL                                        COUNT
__mac_syscall                                   1
__pthread_canceled                              1
audit_session_self                              1
bsdthread_register                              1
exit                                            1
fcntl_nocancel                                  1
fork                                            1
fstatfs64                                       1
getaudit_addr                                   1
getegid                                         1
getrlimit                                       1
getuid                                          1
ioctl                                           1
lstat64                                         1
shared_region_check_np                          1
shm_open                                        1
sigprocmask                                     1
sigreturn                                       1
thread_selfid                                   1
umask                                           1
__sysctl                                        2
chdir                                           2
csops                                           2
getdirentries64                                 2
getpid                                          2
lseek                                           2
pread                                           2
socketpair                                      2
fstat64                                         3
munmap                                          3
open_nocancel                                   3
close                                           4
close_nocancel                                  4
geteuid                                         4
issetugid                                       4
open                                            4
wait4                                           6
read_nocancel                                   7
write                                           7
mprotect                                        8
read                                           10
sigaction                                      10
fcntl                                          11
mmap                                           13
select                                         21
stat64                                         35  

现象分析

• rm
  • rm命令大量调用了lstat64和unlink，可以推测删除每个文件前都从文件系统中做过一次lstat操作。
  • lstat64的次数低于文件总数，还有另外的原因，之后会在另一篇文章中说明。
  • getdirentries64这个调用比较关键。
  • 过程：正式删除工作的第一阶段，需要通过getdirentries64调用，分批读取目录（每次大约为4K），在内存中建立rm的文件列表；第二阶段，lstat64确定所有文件的状态；第三阶段，通过unlink执行实际删除。这三个阶段都有比较多的系统调用和文件系统操作。
• rsync
  • rsync所做的系统调用很少。
  • 没有针对单个文件做lstat和unlink操作。
  • 命令执行前期，rsync开启了一片共享内存，通过mmap方式加载目录信息。
  • 只做目录同步，不需要针对单个文件做unlink。

另外，在里，rm的上下文切换比较多，会造成System CPU占用较多——对于文件系统的操作，简单增加并发数并不总能提升操作速度。

总结

把文件系统的目录与书籍的目录做类比，rm删除内容时，将目录的每一个条目逐个删除(unlink)，需要循环重复操作很多次；rsync删除内容时，建立好新的空目录，替换掉老目录，基本没开销。

结论：频繁做减法不如直接从头来过。

—Why can rsync rapidly delete 400,000 files?—

—by 刘兰涛(http://blog.liulantao.com)—