基础 IO (Linux学习笔记)

基础IO

1.重谈文件

• 空文件在磁盘也要占据空间
• 文件 = 内容 + 属性
• 文件操作 = 对文件内容+对属性 or 对文件内容加属性
• 标定一个文件，必须使用文件路径加文件名【唯一性】
• 如果没有指明对应得文件路径，默认是在当前路径下进行文件访问
• 当写了一个跟文件操作有关得程序，编译后，文件有没有被操作呢？没有，所以本质是进程对文件的操作
• 一个文件要被访问，肯定要先被打开

所以

文件操作=进程+被打开的文件 的关系

一个文件被用户进程首次打开即被执行了Open操作，会把文件的FCB调入内存，而不会把文件内容读到内存中，只有进程希望获取文件内容的时候才会读入文件内容

2.  C文件接口

C语言，C++，java,python,php,go等语言都有文件操作接口，函数都不一样，对应的库函数都不一样

文件在哪里---->磁盘-,磁盘是硬件---->怎么访问磁盘----->OS进行操作----->要访问磁盘都绕不过OS

----->所以使用OS提供的系统接口来访问文件

所以不管语言是什么，底层还是对操作系统的一个系统调用接口来进行封装的，底层只有一个OS

2.1C语言文件操作

C语言打开文件的函数是

fopen(FILE *src,char* used)函数

src是文件指针，used是要进行的操作方式

其中操作操作方式有

"r"(读),"w"(写),"r+"(读写，文件不存在出错),"w+"(读写，文件不存在创建),"a"(append,加),"a+"()

往文件里写内容是用

fprintf  (文件指针,写入类型，写入内容)；

细节问题：

​ 以w方式打开文件，每次调用fopen()会把文件清空，然后再开始读写

2.2  系统文件I/O接口

系统调用接口是

#include<sys/types.h>
#include<sys/stat.h>
#include<fcntl.h>
int open(const char *pathname,int flags);
int open(const char *pathname,int flags,mode_t mode);

2.2.1 int open(const char *pathname,int flags);

---

参数：

​ *pathname : 文件的路径

​ flags : 标记位

---

返回值：

​ 失败返回-1，成功返回文件描述符(数组下标)

---

这里的flags标记位，利用位图的思想来进行对应不同的操作，然后用宏代表这个数据

例如

#define O_WRONLY (1<<0)		//以只写方式打开文件
#define O_creat (1<<3)		//打开文件，如果没有改文件，则在当前路径下创建一个名称为传参的文件
#define O_TRUNE (1<<4)		//每次清空文件内容
...

判断哪些位置有1，则执行哪些操作，所以flags传的是标记位

对于第一个系统调用

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

//eg:
int fd1=open("log.txt",O_WRONLY | O_CREAT);

如果按这种方式来进行文件访问，如果没有改文件，那么就创建一个，但是这个函数创建出来的文件的权限是乱码，前提情况是没有改文件的时候，才会发生这种情况

所以第一个函数是适合保证有指定的文件存在是调用的

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

因为第一个创建的时候没有权限，所以这个mode是一个16进制的默认权限码，调用的时候传入的就是要创建文件的默认权限码，然后创建过程需要 &~umask的码

2.3 open函数返回值

既然文件操作的本质是 ： **进程 **+ 被打开文件 的 关系

进程可以打开多个文件吗？,可以------->系统中肯定有着大量的被打开的文件------>被打开的文件一定要被操作系统管理起来------->如何管理？先描述再组织------->操作系统为了管理被打开的文件必定要创建对应的内核数据结构-------> struct file {} ( 包含了文件的属性 )

所以有，对于一个进程，在内存中，肯定也有其他被打开的文件在内存中，所以怎么样找到属于自己当前进程的被打开文件呢？

① struct file是文件的结构体，磁盘加载到内容=存中，为每一个文件创建属于自己被打开文件的结构体struct file ,属于一个进程的文件会按属性用*file利用指针的方式链接起来

②进程都有pcb即task_struct{} ,PCB里有一个 struct files_struct *files ,这个东西是一个指针，指向一个叫做files_strcut的结构体

③files_struct里包含了一个数组，这个数组是 struct file* fd_arrar[] ，这个是一个指针数组，数组里的每个指针即指向了一个①里每个文件的结构体，那么就连起来了，这个数组的下标就是文件描述符fd,即open函数的返回值

所以一个通过系统调用文件被打开，通过磁盘加载到内存中，然后创建属于这个文件的file结构体，然后再把这个*file指针加入到文件符描述表中，通过下标来进行系统调用，所以文件描述符本质就是数组的索引值(下标)

所以C语言的库函数是通过调用系统函数open()

然后open()函数返回fd

然后C函数再去找PCB里的*file指针

通过fd来访问对应的被打开文件

2.4  fd隐藏的下标

所以被打开的文件的fd是从3开始的

3. 重定向

3.1文件fd的分配规则

已知文件被进程所打开，需要找到task_struct{}中的 file_struct *files ,进而找到一个包含*file fd_array[]的结构体，然后根据这个指针数组找到数组所对应的下标fd

fd的分配规则：

​ 从下标0开始往后找，找到空位值，填进去指针，指向文件的file结构体，每个文件都有一个file结构体

3.2 进程文件重定向

每个进程一开始都有三个隐藏的被打开文件：即

• stdin 标准输入
• stdout 标准输出
• stderror 标准错误

这三个是每个进程默认有的，所以fd的下标从3开始

这些是系统默认定好的，例如系统只会在1号（stdout）里打印出来东西，即printf()会往fd为1号的文件里打，然后再通过缓冲区打印到显示器

但是我们如果先把1号的文件即（stdout）给关闭，然后再创建一个文件，那么这个文件的fd按顺序分配就是1了，那么系统的printf()等输出则将输出到这个文件中了

在这个过程中，我们把fd为1号的指向改变了，就是一个重定向

---

在以上过程中，每次需要我们手动去关闭1号才能再发生重定向，这种删除后然后再创建的方式很不友好，有更简便的如下

有这么一个函数

int dup2(int **oldfd**,int **newfd** );

能让我们创建的fd的重定向

eg:

int fd=open(……..);//打开一个文件

dup(fd,1);		//将原来1号位置的指向变成了fd指向的文件

​ 把fd的内容>1的内容 ,1的内容变成fd的

3.3 父子进程之间的重定向

对于一个父进程，打开子进程后，因为进程拥有独立性，所以子进程的文件描述符表不是跟父进程公用的，是跟PCB一样，按照子进程的模板来创建的

原因 ：如果父子进程公用一个文件描述符表，如果子进程发生了重定向，那么就会影响父进程，因为进程具有独立性，所以不能共享一个，但是子进程指向的0 1 2号 fd是指向的同一个

4.  如何理解Linux下一切皆文件

对于我们用的鼠标，键盘，显示器，网卡对应得软件层是驱动程序

在Linux下，对于所有的文件，定义了一个strcut file{}的结构体，这个结构体里有

变量的定义，函数指针的定义，这些函数指针就包括读函数，写函数，等诸多函数，因为每个文件的功能不一样，对应的操作不一样，以及每个文件的类型也不一样，需要的时候就去你对应的驱动等文件里找函数的实现，所以这就利用多态的思想

对于Linux系统而言，不管你是什么文件，都有着一样的定义，使用的时候去你文件里找对应的实际操作函数，即函数的实现，在strcut file{}中定义了函数定义，所以Linux下一切皆文件

eg:

struct file{
    int flags;
    int kind;
    char * name;//定义变量
    int (*write)();//写函数的声明
    int (*read)();//读函数的声明
}

例如：

1.对于一个键盘设备，当作文件来看，键盘只具有读的操作，不需要写的操作那么就把写函数定义为空的函数，不执行

2.对于一个网卡，需要读和写，所以他的实现则需要写相应读函数和写函数的实现，让函数指针去指向然后去实现

这就多态的思想

5.  缓冲区

5.1 缓冲区的本质

缓冲区的本质就是一段内存，缓冲区其实是C语言（或者其他语言来申请的）

当我们向外设进行I/O的时候，向文件读取内容或者写入就是I/O因为外设相对内存CPU执行速度较慢，所以便产生了缓冲区的概念，先把输入/输出结果放到缓冲区里，然后再从缓冲区里读取，在空闲的时候CPU还能去执行其他的任务

所以缓冲区的出现，大大的节省系统的I/O时间

5.2 缓冲区的刷新策略

常见的刷新策略有：

• 立即刷新-------无缓冲
• 行刷新 --------行缓冲
• 缓冲区满-------全缓冲

对于行缓冲是给显示器用的，因为人的读取习惯就是按行读取，所以对于stdout或者显示器一般采用的是行缓冲

对于全缓冲是给磁盘文件的，则是对于磁盘读写文件时候的策略

还有两种刷新方式

• 用户强制刷新：调用fflush()函数
• 进程退出刷新缓冲区

5.2 缓冲区的位置

在C语言里，打开一个文件对应的结构体是Struct FILE{},这个FILE里包含了fd和一个buffer数组，数据先放入buffer数组里，根据不同的刷新策略在给系统调用然后再写入某些文件中

所以如果直接用fd进行系统调用写入，不会产生缓冲区，如果使用语言的库函数调用，则会用缓冲区

所以缓冲区不在内核中，而在我们语言结构体里，随着结构体的创建，所以buffer的本质就是一段内存

stdout,stdin,stderr---->c语言FILE*------>FILE结构体------>fd,.......,一个缓冲区

所以我们可以调用C函数fflush() 自主刷新

6.  文件系统

6.1 磁盘的物理结构

磁盘是计算机中唯一一个机械结构+外设，所以他的访问相对较慢一些

个人日常一般用不到磁盘，都被主流的ssd(固态硬盘)所替代了

磁盘现在大部分用于企业级用户等等

磁盘的组成：由一摞磁片，每个磁片的盘面都有一个磁头，磁头往盘面写内容，磁头与盘面的距离非常非常近，但是不接触

写入磁盘的方法：写的内容其实就是二进制，在机械中表达二进制的方式是带电和不带电，所以磁头可以给磁盘的地方让他带电或者不带即可表达二进制

6.2 磁盘的存储结构

6.3 磁盘的逻辑结构

磁盘可以比作一个蚊香或者磁带，然后我们可以捋直，就是一个线性表的结构了

虽然一个扇区是512字节，但是依旧很小，OS进行的文件定制可以同时读写多个扇区，1K,2k,3k,4k等

由科学证明得出每次进行4K效率最高

内存就被划分了按4K大的空间-----页框

可执行程序/文件就是多个按照4K大小组成的块-----页框

那么怎么管理整个磁盘呢？

假设一个磁盘空间为500GB，这个空间很大，那么我们可以纷成多块，例如5块

每一块就是100GB,但是100GB依旧很大，我们可以分为5G每块，即分成20块区域

这就是分而治之的思想，我们管好这5GB，其他的区域照这个管理方式去进行即可

对于这5个G,也可以进行区域划分成多个组

super Block:记录此 filesystem 的整体信息,包括inode/block的总量、使用量、剩余量, 以及文件系统的格式与相关信息等；一般有多个，因为需要备份，防止丢失

Group Descriptor Table: 块组描述表 ----->对应了分组的属性信息

Block Bitmap : 记录使用与未使用的 block 号码,并在进行文件添加修改时候对应的修改 block 的使用状况

inode Bitmap : 记录使用与未使用的 inode 号码,并在进行文件添加修改时候对应的修改 inode 的使用状况

inode Table (inode表) : 保存了所有的(使用+未使用)的inode，以及文件的属性

Data blocks : 数据块

(文件系统分区详解)

​ 文件=内容+属性

文件的内容 在Data blocks里存储的

文件的属性 在indoe里存储的

• 每个文件都有一个inode
• inode为了区分彼此，每个inode有不同的ID
• 查找一个文件的时候统一只用inode编号查的
• inode的前缀在每个组是不一样的

那么怎么根据inode来查找对应的文件呢？

struct inode{
	int ID;
	uid;
    gid;
    size;
    ......
    int bolcks[15];//有一个数组，这个数组每个元素指向Data
}

在inode里有一个数组，这个数组每个元素存着对应的Data blocks的块号，所以按顺序往下读写

我们可以知道，即使是15个Data block也很小

所以当空间大的时候单纯的15个block是不够的，需要用到多级索引的办法，在这个数组从13号位置开始就是指向了一个Data blocks的区域，这个区域里的内容是一个指向其他Data blocks编号的表，所以可以扩大使用空间，如果空间还不够那么就继续用三级索引，这样下来，空间其实非常大了

当一个文件被删除时候，其实数据没有被删除，一个文件被删除，那么他对应的inode bitmap被置为0，inode table变成未使用，其实就是删除了映射关系，原来的数据块因为没有了限制，所以可以被新的文件当作新的数据块所使用

对于一个目录，目录存放的Data blocks的内容其实就是一个inode和文件名一一对应的映射关系，存放在了目录下，所以一般查找文件是用文件名查找的，这就是为什么同一个目录下不能有相同的文件名

细节问题：其实在电脑开机时候，文件系统inode的位图等都预加载到内存中了，因为删一个文件，需要把磁盘对应的inodebitmap置为0，但是我们不能直接与外设打交道，根据冯诺依曼体系，所以都是通过内存来打交道的

7.  软硬链接

软硬链接的区别：有没有独立的 inode

7.1硬链接

• 建立硬链接：

ln 源文件名 硬链接文件名

在以上文件系统中，可以理解：

在磁盘中查找一个文件是通过inode的，那么对于一个目录下的文件，这个目录下存的其实是文件名和inode的映射关系

那么我们可以创建多个映射关系到同一个inode中，也就是多个映射关系，在这个目录里并没有创建新的文件以及新的inode，只是在这个目录的Data block里创建了一个新的映射关系而已

如上图就是一个硬链接，两个文件的inode是一样的，其实就是在目录下创建了一个较hard_link与这个文件inode的映射关系

• 硬链接的引用计数 : 可以看到上边有个数字2，这个就是有多少个文件链接到了他，就是有多少个映射到了同一个inode，这个引用计数原理跟智能指针原理类似
• 当一个文件被删除，实际上是当一个inode的引用计数为0时(即不在有映射关系)，此时才会在文件系统中把相应的位图置为0
• 当一个文件的硬链接数为0时，这个文件才被删除

7.2软链接

• 建立软链接：

ln -s sourceFile LinkName

ln是link的缩写，-s后边跟源文件(sourceFile) ，LinkName代表链接的命名名字

软链接会产生新的inode即代表他是一个新文件，这个文件里的内容实际上就是软链接对应的文件名和路径，就是每次去指定路径下找到对应的文件名，如果把那个文件删掉，那么软链接就失效了

• 断开软链接：

unlink 软连接名称