`cp`はディスク上ではデータをコピーしないことがある

普段何気なく使っているパソコンやサーバーの操作。ファイルをコピーする時、「cp」というコマンドを使ったことがある人もいるかもしれません。特にLinuxなどのシステムを触る方にとっては、ごく当たり前の操作です。この「cp」コマンド、実はいつも私たちが想像する「データを丸ごと複製する」という動きをしているわけではない、という興味深い話が話題になっています。

一般的にファイルをコピーすると聞くと、元のファイルの中身（データ）を新しい場所にそっくりそのまま書き写す、と考えますよね。でも、場合によっては「cp」コマンドは、データの本体をコピーせずに、そのデータがどこにあるかという「情報」だけを共有する形で処理を済ませることがあるんです。これは、コンピューターのファイルシステムが持つ「CoW（Copy-on-Write）」という仕組みが関係しています。

CoWは、簡単に言うと「今すぐコピーする必要がないなら、コピーしないでおこう。もし、どちらかのファイルが変更されたら、その時に初めて変更される側のデータを複製しよう」という考え方です。これによって、特に大きなファイルをコピーする際に、無駄なディスク書き込みを減らし、処理を高速化できるというメリットがあります。例えば、1GBのファイルをコピーする時、CoWが働けば、瞬時にコピーが完了したように見えます。しかし、実際にはまだディスク上に同じデータが2つ存在しているわけではなく、同じデータを参照している状態なのです。

この仕組みは、ストレージの効率化や仮想化技術など、様々な場所で活用されています。例えば、仮想マシンを複製する際にもCoWが使われることで、高速に仮想環境を立ち上げることができます。しかし、私たちユーザーからすると「コピーしたはずなのに、実はまだ同じデータを共有している」という状態は、少し直感に反するかもしれません。もし、コピーしたつもりのファイルが、実は元のファイルと密接に結びついていて、片方を変更したらもう片方も影響を受けてしまった、なんてことが起こると困りますよね。幸い、cpコマンドの場合は、実際に内容を書き換えた時点で初めて物理的にデータが分離されるため、基本的にはユーザーが意識するほど大きな問題にはなりにくいでしょう。

ただ、こうした内部の動きを知ることは、システムがどのように動いているかを深く理解する上で非常に重要です。特に、ディスクのI/O（データの読み書き）性能を考慮した設計をするエンジニアにとっては、CoWのような最適化技術がどのような影響を与えるかを知っておく必要があります。私たちは普段、見えないところで様々な技術の恩恵を受けているわけですが、その裏側には、効率を追求するための工夫がたくさん隠されているのですね。