标签式文件系统，构想与实现

做研究工作，需要查阅的资料通常很多：论文、电子手册、图书、设计图纸、程序源代码、数据、图表，等等。比如我的硬盘中有近百 GiB 的这类资料，这其中还不包括实验的原始数据（因为有些实验光原始数据都是数百 GiB 的量级）。当资料越来越多时，许多人会自动按项目或者属性来整理文件。通常我的项目资料会存放在用户主目录的 Projects 目录下，按项目名称建立子目录，在其中存放与该项目相关的文献、程序、数据、会议报告、通知、上报材料等等。看起来，我的资料已经很整洁了。但往往有这样的情况：有时某个 A 项目的参考文献需要与项目 B 共享，而某些文档又会同时被多个项目用到。当文献的重复很多时，按项目的方式来整理文档又不如按文献来得方便，只要标明哪些文献属于哪个项目即可。但打开某个项目目录时，又希望与之相关的所有内容都在其内。长期积累下来的文献、数据、程序等，使得资料显得很杂乱。

有什么比较优雅的方式来管理这些资料呢？至少满足我如下的需求：

• 无重复文件，即资料的重复利用率高
• 资料可按多种方式组织而无遗漏，比如按项目、按关键字、按属性（文档、数据、图片、设计图等）
• 即时发现被遗忘的文献（比如研究 A 项目时下载的文献当时没来得及读，过很久了又重新下载后才发现机器中已经有了）
• 资料的版本控制功能（比如类似 VAX VMS 系统上的版本式文件系统 Files-11 那样）

这个问题想了很久，结合一些网站（如标签式书签管理网站 Delicious）的设计，觉得如果在常规存储的资料属性上增加一个额外的标签属性，即可实现我上述的需求，或许对缓解文档管理的囧境有助。

其实，一些音乐或图书管理软件已经很好地实现了这样的标签管理功能，如 iTunes, Amarok, rhythmbox, Calibre 等。另外一些新开发的文献管理软件也可部分满足需求，如 Mendeley Desktop, Zotero, Docear 等，但这些软件尚不能将数据、专门程序、额外资料等包含在内，它们只是针对专门的文档来进行资料管理的。我希望资料的标签式管理可以与常规的文件管理器结合起来，无论是 GUI 还是 CLI, 都可以很方便地处理。

我最早是从 Ubuntu 社区头脑风暴的 一个主意 中了解到了“标签式文件系统” (Tag Filesystem, 如下简写为 TagFS) 的概念。更详细的概念来自于 Adrian Sampson 的文章 Design for a Tag-Structured Filesystem.

“标签”，有时也叫“关键字”，可以是任意的字符串，用来组织一组对象。“加标签” (tagging) 通常是一种与“层次结构”(hierarchical system) 不同的组织方式。在层次结构文件系统中，文件只能位于一个特定的目录下。如果在其它目录下需要引用此文件，通常需要特别的操作，如 Unix 系统上的硬或软链接，在 NTFS 上的目录 Junction 等。而在标签式文件系统中，对象可以附加任意数量的标签；然后可用特定的标签来寻找所有带此标签的对象。在更复杂的系统中，可以将标签的集合运算结果作为查询对象的标准。（实际上，一些 Google 搜索技巧 也就是标签运算的技巧。）

在 FreeShell.org 上有一篇关于 TagFS 比较直观的简介: TagFS. 为了给出 TagFS 的直观概念，特举一个例子。

在 TagFS 上存储/管理文件时，一个文件可以加上任意的标签。比如我从 GLDT 下载了一张 Linux 操作系统随时间的演化图 gldt1210.png. 假如我在一个 TagFS 上存储这张图片，我可以加上如下的标签: Linux, OS, GLDT, 2012, 演示, 报告, pics, Hobby, 等等。如果要在 LFS 项目中引用这张图片，则又可以加上标签 LFS.

如果在层次结构文件系统下，我可以把图片放置在目录 OS/Linux/2012/pics/ 下：

                        $ mkdir -p OS/Linux/pics/2012/
                        $ mv gldt1210.png OS/Linux/pics/2012/

                    

假如我现在在 TagFS 下，我可以这样加标签：

                        $ tagit gldt1210.png OS Linux pics 2012 Hobby svg LFS

                    

然后这样访问：

                        $ cd OS/Linux/pics/2012/
                        [OS Linux pics 2012] $ ls
                        gldt1210.png

                    

其中命令 cd 后面的参数 OS/Linux/pics/2012/ 可以是任意顺序，如 2012/Linux/pics/OS/, 或者是 Linux/2012/pics/OS, 因为标签之间是等价的，无等级关系。提示符 $ 前则是当前要访问的标签。

在检索文件时，则可以按 OS/Linux/2012/png/ 这样的组合方式很快找到这张图片。

这样，项目资料的组织，不过是把一组文件加上同样的标签罢了。

标签式文件系统的实现目前有三种方式：

1. 第一类 TagFS: 与 Fat32, NTFS, Ext3, ZFS 等实用文件系统相等价的文件系统。不过，通常在 TagFS 上，目录即标签。
2. TagFS 模拟器: 实际文件保存在现有的文件系统上，用户通过一层标签式接口来访问这些文件。这个思路与 iTunes, Calibre, Mendeley Desktop 的实现类似。这种 TagFS 就是一个用户界面，用户通过相应的文件属性数据库 (如 Calibre 的 metadata.db) 访问这些文件。
3. TagFS 仿真系统: 以“用户空间文件系统”为后端实现仿真，用户体验上同第一类 TagFS.
   “用户空间文件系统” (Filesystem in Userspace, 简称 FUSE) 是操作系统中的概念，指完全在用户态实现文件系统。 FUSE 在 Linux 内核中提供支持，在其它系统上也有相应的实现，如 FreeBSD, Mac OS X 以及 Windows.

我希望将来打开计算机时可以这样工作：

• 自动选择当前活动——事务安排、娱乐、通讯或工作
• 下载或接收到的工作资料随便一扔时，系统自动提示加上相应的标签
• 开始工作时，根据工作任务，加上几个关键字，相应的文档、图片或程序自动展示在面前，很方便从以前中断的任务继续下去
• 系统内的资料按照标签体系自动整理好，未整理的文件会接收到提醒
• 任何处理的文件会自动保存多个版本 (类似于 VAX VMS Files-11)
• 等等

要实现类似这样的工作愿景，底层的管理软件仍然有许多要做的事情。

无论是 WinFS 式的标签（语义）文件系统，还是 Tagsistant 式的仿真系统，还是类似于 Nepomuk 的模拟器，仍然没有一个完全实用的标签式的资料管理体系。我希望这样的局面在不久的将来能够被打破，出现许多专门用于资料管理的类似于 iTunes 那样的软件。对于用户而言，不管底层是语义式的文件系统，还是模拟的数据库，实用即可。