螢幕上顯示程式碼的特寫,象徵 Linux 檔案系統與 ln 連結指令的操作

← INSIGHTS & PERSPECTIVES | DevOps

Hard Link 與 Symbolic Link 的比較

一篇搞懂 Linux 硬連結(Hard Link)與軟連結(Symbolic Link)的差異:i-node 原理、能否跨檔案系統、能否連結目錄、刪除原始檔後的行為,以及 ln 與 ln -s 指令的實際用法範例。

在 Linux 檔案系統裡,`ln` 指令可以建立兩種連結:硬連結(Hard Link)軟連結(Symbolic Link,又稱符號連結)。這篇文章用最短的篇幅比較兩者的特性差異——i-node 的指向方式、能否跨檔案系統、能否連結目錄、刪除原始檔之後會發生什麼事,並附上實際操作範例,幫你選對場景用對連結。

什麼是硬連結(Hard Link)?

硬連結的特性如下:

  • 相同的 i-node 指向相同的檔案。
  • 主要用於備份
  • 只能在同一個磁區(Partition)中建立。
  • 只能連結檔案,不能連結目錄
  • 指令為 `ln (原始檔案) (目的檔案)`。

如果我們對某個檔案做了硬連結,那麼就算刪掉了其中一個,另一個仍然可以正常讀取——因為兩個連結共用同一個 i-node,資料本身並不會跟著消失。

不過 hard link 是有限制的:

  • 不能跨 Filesystem(檔案系統)。
  • 不能 link 目錄。

使用範例:

硬連結(Hard Link)的 ln 指令操作範例

什麼是軟連結(Symbolic Link)?

軟連結的特性如下:

  • 絕對路徑或相對路徑指向原始的檔案。
  • 主要用於簡化路徑
  • 類似 MS-Windows 下「建立捷徑」的功能。
  • 指令為 `ln -fsv (原始檔案) (目的檔案)`。

這個概念就像 Windows 裡的捷徑:當來源檔被刪除之後,symbolic link 的檔案就會開不了(變成斷連的 dead link)。但相對地,它可以跨 Filesystem、也可以 link 目錄,在使用上比 hard link 彈性許多。

使用範例:

軟連結(Symbolic Link)的 ln -fsv 指令操作範例

Hard Link 與 Symbolic Link 差異比較表

比較項目Hard Link(硬連結)Symbolic Link(軟連結)
指向方式相同的 i-node 指向同一份資料以路徑(絕對或相對)指向原始檔案
跨 Filesystem❌ 不行✅ 可以
連結目錄❌ 不行✅ 可以
刪除原始檔後資料仍在,另一個連結可正常讀取變成斷連(dead link),檔案開不了
常用指令`ln (原始檔案) (目的檔案)``ln -fsv (原始檔案) (目的檔案)`
適用場景備份、防止誤刪簡化路徑、版本切換(類似 Windows 捷徑)

延伸閱讀

常見問題

QHard Link 和 Symbolic Link 最核心的差別是什麼?

Hard link 用相同的 i-node 直接指向檔案資料,symbolic link 則是存放指向原始檔案的路徑。因此刪掉原始檔時,hard link 仍可讀取資料,symbolic link 會變成失效的斷連。

Q為什麼 Hard Link 不能連結目錄?

目錄的 i-node 結構牽涉到 `.` 與 `..` 的指向,若允許硬連結目錄可能形成迴圈,破壞檔案系統的樹狀一致性,因此 Linux 不允許(僅超級使用者在極少數情況可用,一般不建議)。要連結目錄請使用 symbolic link。

QSymbolic Link 可以跨磁區或跨檔案系統嗎?

可以。因為 symbolic link 只記錄路徑字串,不依賴 i-node,所以可以跨 Filesystem 連結,也能連結目錄,使用上比 hard link 有彈性。

Q建立 Hard Link 與 Symbolic Link 的指令是什麼?

Hard link 用 `ln 來源檔 目的檔`;symbolic link 常用 `ln -fsv 來源檔 目的檔`,其中 `-s` 建立軟連結、`-f` 遇到已存在的目的檔先刪除、`-v` 顯示執行過程。

Q刪除原始檔案後,Hard Link 還能存取資料嗎?

可以。硬連結與原始檔共用同一個 i-node,只要還有任何一個硬連結存在,檔案資料就不會被釋放,剩下的連結仍可正常讀寫。

參考資料

最後更新

2026-08-28(原文發布於 2019-10-03,本文保留原始筆記內容並補上 GEO 結構。)

關於作者 {#author}

Claire Chang | 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。

首次發布:2019-10-03