Encontrando arquivos esparsos?

Existe uma maneira simples de encontrar todos os arquivos esparsos no meu sistema ou em uma árvore de diretórios específica?

Se for relevante, estou usando zshno Ubuntu 12.04, embora uma resposta mais genérica do Unix-y para o bash / sh, por exemplo, esteja bem.

Editar : para esclarecer, estou procurando por arquivos esparsos, não para verificar o status de escassez de um único.

Em sistemas (e sistemas de arquivos) que suportam a SEEK_HOLE lseekflag (como o Ubuntu 12.04 no ext4 suportaria ) e assumindo que o valor para SEEK_HOLEé 4, como no Linux:

if perl -le 'seek STDIN,0,4;$p=tell STDIN;
   seek STDIN,0,2; exit 1 if $p == tell STDIN'< the-file; then
  echo the-file is sparse
else
  echo the-file is not sparse
fi

Essa sintaxe do shell é POSIX. O material não portátil nele é perle aquilo SEEK_HOLE.

lseek(SEEK_HOLE)procura o início do primeiro furo no arquivo ou o final do arquivo se nenhum buraco for encontrado. Acima, sabemos que o arquivo não é escasso quando nos lseek(SEEK_HOLE)leva ao final do arquivo (no mesmo local que lseek(SEEK_END)).

Se você deseja listar os arquivos esparsos:

find . -type f ! -size 0 -exec perl -le 'for(@ARGV){open(A,"<",$_)or
  next;seek A,0,4;$p=tell A;seek A,0,2;print if$p!=tell A;close A}' {} +

O GNU find(desde a versão 4.3.3) deve -printf %Srelatar a escassez de um arquivo. Ele segue a mesma abordagem da resposta de frostschutz, na medida em que leva a proporção de uso do disco e tamanho do arquivo, por isso não é garantido que todos os arquivos esparsos sejam reportados (como quando há compressão no nível do sistema de arquivos ou onde o espaço economizado pelos furos não é compensar a sobrecarga da infraestrutura do sistema de arquivos ou grandes atributos estendidos), mas funcionaria em sistemas que não possuem SEEK_HOLEou sistemas de arquivos onde SEEK_HOLEnão são implementados. Aqui com as ferramentas GNU:

find . -type f ! -size 0 -printf '%S:%p\0' |
  awk -v RS='\0' -F : '$1 < 1 {sub(/^[^:]*:/, ""); print}'

_{(observe que uma versão anterior desta resposta não funcionou corretamente quando findexpressa a escassez como, por exemplo, 3.2e-05. Obrigado à resposta do @ flashydave por chamar a atenção)}

Um arquivo geralmente é escasso quando o número de blocos alocados é menor que o tamanho do arquivo (aqui, usando o GNU statcomo encontrado no Ubuntu, mas cuidado, outros sistemas podem ter implementações incompatíveis de stat).

if [ "$((`stat -c '%b*%B-%s' -- "$file"`))" -lt 0 ]
then
    echo "$file" is sparse
else
    echo "$file" is not sparse
fi

Variante com find: (roubado de Stephane)

find . -type f ! -size 0 -exec bash -c '
    for f do
        [ "$((`stat -c "%b*%B-%s" -- "$f"`))" -lt 0 ] && printf "%s\n" "$f";
    done' {} +

Você normalmente colocaria isso em um script de shell e, em seguida, executaria o script de shell.

find . -type f ! -size 0 -exec ./sparsetest.sh {} +

A resposta de Stephane Chazelas acima não leva em consideração o fato de que alguns arquivos esparsos com o parâmetro find% S relatam a razão como números de ponto flutuante, como

9.31323e-09:./somedir/sparsefile.bin

Estes podem ser encontrados em conjunto com

find . -type f ! -size 0 -printf '%S:%p\0' |
   sed -zn '/^\(0[^:]*:\)\|\([0-9.]\+e-.*:\)/p' |
   tr '\0' '\n'

Um script curto que escrevi enquanto tentava descobrir quais são os locais dos furos em um arquivo:

#!/usr/bin/python3
import os
import sys
import errno

def report(fname):
    fd = os.open(fname, os.O_RDONLY)
    len = os.lseek(fd, 0, os.SEEK_END)
    offset = 0
    while offset < len:
        start = os.lseek(fd, offset, os.SEEK_HOLE)
        if start == len:
            break
        try:
            offset = os.lseek(fd, start, os.SEEK_DATA)
        except OSError as e:
            if e.errno == errno.ENXIO:
                offset = len
            else:
                raise
        print(f'found hole between 0x{start:08X} and 0x{offset:08X} ({offset - start} bytes)')

if __name__ == '__main__':
    for name in sys.argv[1:]:
        report(name)

Isso imprime coisas como:

$ echo -n 'a' >zeros; truncate -s $((4096*4)) zeros; test/report-holes.py zeros
found hole between 0x00001000 and 0x00004000 (12288 bytes)