UNIX环境高级编程之第３章：文件I/O

3.1　引言

文件I/O函数：打开文件，读文件，写文件

常用到五个函数：open, read, write, lseek, close.

本章描述的函数都是：不带缓冲的I/O(unbuffered I/O)，属于不带缓冲 是指每个read和write都是调用内核中一个系统调用

3.2　文件描述符

对于内核而言，所有打开的文件都是通过文件描述符引用的

当读或写一个文件的时候，使用open或creat返回的文件描述符标示该文件，将其参数传给read或write

通常文件描述符０与标准输入关联，１与标准输出关联，２与标准错误关联，用STDIN_FILENO, STDOUT_FILENO, STDERR_FILENO来提高可读性

3.3　函数open和openat

open和openat函数返回的文件描述符一定是最小未用的文件描述符

使用open或者openat创建或者打开一个文件

#include<fcntl.h>
int open(const char *path, int oflag, .../*mode_t mode*/);
int openat(int fd, const char *path, int oflag, .../*mode_t mode*/)

oflag参数可以用来 说明此函数的多个选项，用下列一个或多个常量进行＂或＂运算构成oflag参数

O_RDONLY 只读打开　

O_WRONLY　只写打开
O_RDWR　读写打开　　通常分别为０，１，２

O_EXEC　只执行打开

O_SEARCH　只搜索打开（应用与目录）

还有好多在APUE P50

fd参数把open和openat函数去分开

(1) path参数指绝对路径，fd 可以被忽略open=openat

(2) path指相对路径，fd参数指出了相对路径名在文件系统中的起始地址．fd参数是通过打开相对路径文件名所在的文件目录获取的

(3) path指相对路径，fd参数具有特殊值AT_FDCWD,　这种情况下路径名再当前目录下获得

openat函数希望解决两个问题：

(1) 让线程可以使用相对路径名打开目录中的文件，而不是只能打开当前工作目录

(2) 避免time-of-check-to-time-of-use(TOCTTOU)错误：该错误的基本思想是如果两个基于文件的函数调用，其中第二个调用依赖第一个调用的结果那么程序是脆弱的，因为一旦文件有变化，第二个调用的结构可能就不对了

文件名与路径名截断

如果NAME_MAX是１４，而存在的文件名恰好是１４个字符的文件，那么以路径名作为参数的任意函数讲无法知道文件的原始名是什么．其原因是这些函数无法判断函数是否被拦截过

现代文件系统支持文件名长度可以为２５５，因此对于绝大多数应用程序没有出过这样的问题

3.4　函数creat

可以使用creat创建一个新的文件

#include<fcntl.h>
int creat(const char *path, mode_t mode);

此函数等效于

open(path, O_ERONLY|O_CREAT|O_TRUNC, mode);

O_CREAT:此函数不存在的时候创建它

O_TRUNC:如果次文件存在，而且为只写或者读写成功打开，则将其长度截断为０

早期的ＵＮＩＸ系统版本中，open的第二个参数只能为０，１，２．无法打开一个尚未存在的文件，因此需要系统调用creat来创建一个文件

creat的一个不足之处是它只能以只写的方式创建文件．在提供open的新版本之前，如果想创建一个临时文件，然后再读这个临时文件，必须先调用creat,close然后再调用open，现在可以直接调用

open(path, O_RDWR|O_CREAT|O_TRUNC, mode);

这样用open可以直接创建一个可以读写的文件

3.5　函数close

可以调用close函数关闭文件

#include<unistd.h>
int close(int fd);

关闭一个文件时还会释放该进程加再该文件上的所有记录锁

当一个进程关闭时，内核将自动关闭进程所有打开的文件，很多程序都利用了这一功能而不显示的关闭文件

3.6　函数lseek

每个打开文件都有一个与其相关联的＂当前文件偏移量＂(current file offset)，用来度量从文件开始初的字节数

通常读写操作都是从当前文件偏移量处开始

按系统默认的情况，当打开一个文件的时候，除非制定O_APPEND选项，否则文件偏移量处被设置为零

可以调用lseek显示地为一个打开文件设置文件偏移量

#include<unistd.h>
off_t lseek(int fd, off_t offset, int whence);

对参数offset的解释与参数whence的值有关，若执行成功返回新的文件偏移量，出错返回－１说明该文件不能设置偏移量

(1) whence 是SEEK_SET，将文件的偏移量设置为距文件开始处offset

(2) whence 是SEEK_CUP，将文件的偏移量设置为当前值加offset

(3) whence是SEEK_END，讲文件的偏移量设置为文件长度加上offset, offset可为正可为负

某些设备是允许偏移量为负数的，所以比较lseek返回值的时候必须

<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">要谨慎，不要测试是否小于0，而是是否等于-1</span>

lseek仅将当前的文件偏移量记录在内核中，它并不引起任何的I/O操作．偏移量用于下一个读写操作

文件偏移量可以大于文件长度形成空洞，空洞不占用存储区

3.7　函数read

调用read函数从打开文件中读取数据

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

带符号整数(ssize_t) 不带符号型整数(sszie)

3.8　函数write

用write函数向打开的文件写数据

#include<unistd.h>

ssize_t write(int fd, const void *buf, size_t nbytes);

3.9　I/O的效率

系统cpu的最小值差不多出现再BUFFSIZE为4096及以后的位置，继续增加缓冲区长度对此事件几乎没有影响

系统cpu时间：系统调用内核接口所用的时间

用户cpu时间：运行用户代码所用的时间例如for循环

时钟时间：运行总时间包括cpu等待时间

大多数文件系统为了改善性能都采用某种预读(read ahead)的技术，预读的效果可以从图中看出，缓冲区长度再３２字节以后的时钟时间(Clock time)　与拥有较大缓冲区长度的时钟时间几乎是一样的

3.10　文件共享

内核使用３中数据结构标示打开的文件

(1)每个进程在进程表中都有一个纪录项(entry)

a.文件描述符标志(file descriptor flag)

b.指向文件表项的指针(pointer to file table entry)

(2)内核为所有打开的文件维护一张文件表

a.文件状态标志(the file status flag)（读，写，添写，同步和非阻塞）

b.当前文件偏移量(the current file offset)

c.指向该文件v节点表项的指针(the pointer to v-node table entry)

(3)每个打开文件都有一个ｖ节点结构。ｖ节点包含了文件类型以及对文件进行各种操作的指针还有文件的Ｉ节点（文件的所有者，文件长度指向文件实际数据块再磁盘所在的位置）

这些信息都是打开文件之后，从磁盘读入内存的

两个进程共享一个文件

如果两个独立的进程各自打开同一个文件

两个进程都打开了该文件，获得各自的文件表项因为每个进程有自己的file offset，但每个给定的文件只有一个v-node表项

Notice: 文件描述符标志(file descriptor flag)和文件状态标志(file status flag)，文件描述符是对一个进程的文件描述符，后者是指向该文件表项(file entry)的任何进程的所有描述符

3.11　原子操作

再写文件的时候，“先定位到文件尾，然后再写”，两个函数分开是有问题的。所以可以把两个功能当做一个原子操作

函数pread和pwrite

#include<unistd.h>

ssize_t pread(int fd, void *buf, size_t nbytes, off_t offset);

ssize_t pwrite(int fd, const void *buf, size_t nbytes, off_t offset);

调用pread相当于调用lseek后调用read，但pread是原子操作

创建文件的时候，检查文件是否存在和写操作也应该是原子操作

3.12　函数dup和dup2

下面这两个函数都是用来复制现有的文件描述符

#include<unistd.h>
int dup(int fd);
int dup(int fd, int fd2);

dup返回的新的file descriptor一定是当前可用文件描述符最小数值

dup2由fd2参数制定新的descriptor，如果fd2已经打开，将其关闭，如果fd==fd2则返回fd2

这些函数返回的新的描述符与参数fd共享一个文件表项(file entry)

3.13　函数sync, fsync,和fdatasync

大多数的磁盘I/O都是通过缓冲区进行的，党我们向文件写入数据时，内核通常先将数据复制到缓冲区，然后加入队列，晚些时候在写入磁盘。这种方法叫做延迟写(delayed write)

UNIX系统提供了sync, fsync, fdatasync三个函数

#include<unisted.h>
int fsync(int fd);
int fdatasync(int fd);
void sync(void);

sync是将所有修改过的块缓冲区排入写队列，通常成为updata的系统守护进程周期性地调用sync函数，这就完成了定期冲洗(flush)内核的块缓冲区

fsync函数只是对文件描述符fd指定的文件起作用

fdatasync的函数类似于fsync，它只影响了文件的部分数据

3.14　函数fcntl

fcntl函数可以改变已经打开文件的属性

#include<fcntl.h>
int fcntl(int fd, int cmd, ....);

p65　介绍cmd

3.15　小结

本章说明了UNIX系统提供的基本的I/O函数。

(1)read和write都在内核执行，所以成这些函数为不带缓冲的I/O函数

(2)只用read和write情况下，我们观察了不同的I/O长度对读文件所需的影响。

(3)介绍了将已经写入的数据冲洗到磁盘的方法

(4)介绍了内核用来共享打开文件信息的数据结构

习题

3.1 所有的磁盘I/O都要经过内核的块缓冲区，术语“不带缓冲的I/O”指的是用户的进程中这两个函数不会自动缓冲