七叶笔记 » golang编程 » 「Linux」深入理解文件IO操作

「Linux」深入理解文件IO操作

分类: golang编程 | 浏览: 302

一、如何用C接口进行文件操作

i. 基础函数

打开文件：fopen

关闭文件： fclose

读取文件数据：fread

写入数据：fwrite 

 FILE *fopen(const char *path,  const  char *mode);//打开函数
int fclose(FILE *fp);//关闭函数
size_t fread (  void  *buffer, size_t size, size_t count, FILE *stream);//读取函数
size_t fwrite(const void* buffer, size_t size, size_t count, FILE* stream);//写入函数

ii. 细节补充

关于C接口进行文件操作的操作和用法已有很多资料参考，这里不再赘述，在这里我补充关于当前路径的理解。

举个例子：假设你写了个程序，其功能是在当前目录创建一个新文件。当你在这个程序所处目录运行这个程序，那么该目录就生成了一个新文件，这没啥问题。那假如你在返回到根目录运行该程序，请问生成的文件是在刚刚那个目录下还是根目录下呢？

答案是在根目录下，由此得出的结论是：当前路径并不是可执行程序所处的路径，而是可执行程序启动的路径，如在根目录下启动该程序，则当前路径为根目录。所以我们要深刻意识到：当前路径是和进程有关的

二、如何用系统接口进行文件操作

i. 打开文件函数open 

 int open(const char *pathname, int flags, mode_t mode);

linux 中通过 man 2 open 命令查看

头文件与函数原型

返回值

如果成功返回 FILE descriptor：文件描述符，是一个数字；失败返回-1，并设置 errno

参数解读

pathname：要打开的文件所处的路径，可使用 相对路径

mode：可选项，用于设置新建一个文件时的默认权限，如777则为可读可写可执行，同时注意要修改 umask

flags ：设置以何种形式打开文件，即类似于C接口的可读/可写/可读写打开

常见的选项有：O_RDONLY, O_WRONLY, or O_RDWR，O_CREAT(若文件不存在则创建)

如何在传参标志位传多个选项，如同时传O_WRONLY和O_CREAT？

事实上flags参数设计的很巧妙，通过按位或来实现传递多个参数，首先它是个int型数，即有32位，操作系统设计的时候把某个位置位1，其他位置为0作为一种状态，那么它可以表示32种状态，这里我只用16个bit位来举例，假设0x0001表示写权限记作O_WRONLY，0x0004表示可创建文件记作O_CREAT，我们调用open函数打开某文件想给它写权限和若该文件没有则创建，则将O_WRONLY|O_CREAT传递给flags，将O_WRONLY和O_CREAT按位与得到的int数在bit[0]和bit[2]都为1，达到只用一个参数传入两种权限的效果

ii. 向文件读取函数read

头文件与函数原型 

 #include <unistd.h>
ssize_t read(int fd, void *buf, size_t count);

参数解读

fd：要读取的文件的文件描述符，每个文件都有一个 文件描述符 ，open函数打开一个文件返回值也是文件描述符

buf：读取到的数据存放之处

count：buf的大小， byte 为单位

返回值

若读取成功，返回读取到数据的大小（byte为单位）

若读取失败（如读取过程中被信号中断）返回-1，并设置errno

iii. 向文件写入函数write

头文件与函数原型 

 #include <unistd.h>
ssize_t write(int fd, const void *buf, size_t count);

参数解读

fd：要写入的文件的文件描述符

buf：要写入的数据存放之处，指针

count：要写入内容buf的大小，byte为单位

返回值

若写入成功，返回写入了的数据的大小（byte为单位）

若写入失败返回-1，并设置errno

相关视频推荐

学习地址：

需要C/C++ Linux服务器架构师学习资料加群 812855908 获取（资料包括 C/C++，Linux，golang技术， Nginx ，ZeroMQ，MySQL， Redis ，fastdfs， MongoDB ， ZK ，流媒体， CDN ，P2P，K8S， Docker ，TCP/IP，协程，DPDK， ffmpeg 等），免费分享

三、深入理解文件描述符

i. 何为文件描述符

当我们打开文件时，该文件的相关信息会被加载到内存，如创建时间，所属者，操作权限等等，OS对这些信息则需用数据结构维护起来，从而有了struct file(用于描述内存中的文件)，多个打开的文件就有多个 struct ，它们管理起来形成双向 链表 ， 结构体 里存放文件的属性信息。每个进程进程都拥有task_struct进程控制块，task_struct里面有个指针files，用于指向一张表 file s_struct，该表包含了一个指针数组，而这数组里每个指针指向一个内存中的文件struct file，从而实现了进程与文件的连接，而文件描述符就是该数组的下标，只要知道文件描述符就可以找到内存中的文件

FILE结构体部分成员：

新视角阐释fopen做了什么

1.给调用的用户申请FILE结构体并返回地址（FILE）

2.底层调用系统级函数open得到fd，将fd填充到FILE变量中的fileno

ii. 文件流指针和文件描述符

文件流指针是标准库操作句柄：FILE*，文件描述符是系统调用接口句柄：int fd，文件描述符是每个文件的唯一标识，文件流指针底层封装了文件描述符，在文件流指针结构体中可以看到 _fileno保存了fd

iii. 文件描述符的数字规律

看一个文件打开的程序，观察file descriptor

我们发现这个文件的文件描述符fd=3

再看一个打开多个文件的程序，观察file descriptor

我们发现打开多个文件，它们的文件描述符fd从3依次递增，我们知道open函数出现错误返回-1，那么请问0，1，2去哪了呢？？？

其实当任何进程在运行的时候，默认打开三个输入输出流stdin， stdout ， stderr ，而它们对应的的file descriptor就是0，1，2，所以再打开文件时分配的fd只能从3递增了

stdin，stdout，stderr分别对应键盘，显示器，显示器，OS打开它们很好地体现了 LInux中一切皆文件 的思想
总结：文件描述符的分配遵循最小未占用原则：从下标0开始逐位分配，若已被使用则不分配

四、重定向

i. 原理

本质是修改files_struct表中的指针数组中指针所指向的内容

ii. 通过关闭文件描述符实现重定向

  • 代码演示 
 #include<stdio.h>    
#include<unistd.h>       
#include<sys/types.h>    
#include<sys/stat.h>    
#include<fcntl.h>    
int main()    
{    
   //演示重定向基本原理                                                     
   umask(0);      
   close(1);//关闭显示器      
   int fd=open("log.txt",O_WRONLY|O_CREAT,0666);//fd=1      
   if(fd<0){ return 1;} //打开失败     
   write(1,"hello world!\n",13);//写到1号文件      
   write(1,"hello world!\n",13);      
   write(1,"hello world!\n",13);      
   write(1,"hello world!\n",13);      
   write(1,"hello world!\n",13);           
   close(fd);
   return 0;
}

运行结果：本该写到标准输出的内容被重定向到log.txt

原理分析：

在打开新的文件前，我们先close(1);关闭显示器，即上图打 红叉 的线被取消，所以当新的文件被打开它的文件描述符为1，即上图 蓝色 的线被连上，所以当往1号文件写入会被写入到log.txt而不会在显示器显示

iii.使用 dup2 系统调用实现重定向

a. 函数原型 

 #include <unistd.h>
int dup2(int oldfd, int newfd);

参数理解：

newfd为oldfd的拷贝，这里的copy是拷贝fd_array数组对应oldfd下标的内容，理解为对后者的操作变为对前者的操作

b. 用法示例

dup(fd,1) //fd为某个新打开文件的描述符

这里newfd是1，oldfd是fd，new为old的拷贝，即new也指向分段，所以本要输出到1的内容重定向到fd去

五、剖析缓冲区

i. 三种缓冲机制

  1. 行缓冲->见于显示器刷新数据的策略
  2. 全缓冲->见于对文件 (理解为磁盘文件) 写入数据的策略
  3. 无缓冲->如stderr

ii. 什么情况下缓冲区会被刷新

  1. 调用exit()结束进程时会刷新缓冲区
  2. 当缓冲区满了也会被刷新出来
  3. 可通过 fflush 刷出来
  4. 流被关闭时也会被刷出来
  5. 行缓冲遇见’\n’会被刷新出来

行缓冲遇到上述五种情形会刷新缓冲区，全缓冲遇到除最后一种情形会刷新缓冲区

一份代码验证缓冲区：

理论上应该是先打印“hello world”再sleep，但观察到的现象是先sleep再打印。这是因为 字符串 被保留在缓冲区，不满足上述五种刷新条件所以没有被立即刷新出来，当进程结束后“ hello world ”才出现

iii. 关于缓冲区的理解

内存和硬盘中进行数据交互（写入/读取）是需要代价的，所以攒够一定量才交互，这个攒的量就放在缓冲区。对于文件，可以攒很多才交互，这样交互效率最高；而对于显示器采用行缓冲，因为人是想收到及时反馈的，所以行缓冲可理解为数据交互效率和用户体验感的平衡

iv. 提出三个问题

  1. 这个缓冲区在哪？
  2. 这个缓冲区是谁提供的？
  3. OS也有缓冲，与文件缓冲的对比

这三个问题将在下面分析一个奇怪现象中给出答案

v. 一个奇怪的现象

1.代码： 

 #include<stdio.h>    
#include<string.h>    
#include<unistd.h>    
    
int main() 
{    
    //C函数接口    
     printf ("hello printf\n");    
     fprintf (stdout,"hello fprintf\n");    
    
    //system call    
    const char*msg="hello write\n";   
    write(1, msg , strlen (msg));    
    
     fork ();//加了fork重定向C接口内容打印2次，系统接口内1次 
    return 0;  
}

观察重定向和不重定向的运行结果

2.总结出现的现象：

  1. 重定向和不重定向改变了进程的缓冲方式
  2. C接口打印了两次，OS接口打印了一次

3.分析：

为什么C接口的显示了两次？

代码顺序执行，printf和fprintf的内容存放到缓冲区，因为不是往显示器打，所以不是行刷新，此时缓冲区存在两句话。当fork时创建了子进程，父子进程代码数据共享，缓冲区也是内存上的一块。若OS先调用父进程，则父进程先刷新缓冲区，打印出两句话，到调用子进程时，因为进程具有独立性互不干扰，子进程也要刷新缓冲区，则先写时拷贝再刷新，则又打印出两句话

为什么OS接口的没有显示两次？

系统调用函数如write没有缓冲区，所以不会发生写时拷贝导致缓冲区内容被打印了两次

解释第二个问题

对比可得到结论缓冲区语言自带的，不是OS级别的

无论是printf还是fprint都是打到stdout，而stdout是一个FILE结构体，里面不仅封装了fd，还维护了缓冲区

解释第一个和第三个问题

内核区和用户区都有缓冲区，我们这里所说的缓冲区， 都是用户级缓冲区，但要刷新的时候用户级缓冲区的数据不能直接加载到磁盘或显示器，得经过操作系统进入到内核区的缓冲区（有自己的机制），然后数据才被加载出去

相关文章