一、引言

文件操作是Linux C编程中其中的一项核心技术，实际上也相当重要，这里并不是说狭义上的那种文件操作，它也非常有助于理解和学习Linux系统。为什么这样说呢？因为在Unix/Linux的世界中，一切皆文件！这种简单的设计其实非常有利于编程设计，让你可以集中在数据结构和算法的设计上，例如网络Socket和外部设备都作为文件处理，省去了很多繁琐的概念。

本文主要根据Linux文件实质原理展开讨论，其中也涉及到Linux的进程(Process)原理分析，Linux系统的进程对象持有一个文件记录表，该文件记录表保存一个该进程可处理的文件句柄数组，那么什么是文件描述符呢？它其实就是一个索引，就是文件句柄数组的下标索引，引用维基百科：

文件描述符在形式上是一个非负整数。实际上，它是一个索引值，指向内核为每一个进程所维护的该进程打开文件的记录表。当程序打开一个现有文件或者创建一个新文件时，内核向进程返回一个文件描述符。在程序设计中，一些涉及底层的程序编写往往会围绕着文件描述符展开。但是文件描述符这一概念往往只适用于UNIX、Linux这样的操作系统。维基百科

这里讨论的都是广泛意义上的文件，你不需要强加想象将什么当做文件，下面会有具体的讲解。

二、进程管理与原理分析

什么是Linux进程？Linux进程是系统执行的一个程序以及该程序所管理的资源，在内存中执行一个简单的helloworld应用程序，这是一个进程，通常我们会说一个应用程序就是一个进程，严格来说并不正确，因为一个应用程序可以有多个子进程。

那么如何才能理解Linux的进程概念呢？从编程设计的角度来看，它应该被设计为一个结构体，C语言基本就是指针和结构体了，而结构体是最基本的数据结构单元。

Linux进程的源码文件为/include/linux/sched.h，取感兴趣的数据成员，进程结构体对象为：

struct task_struct {

// 进程可运行状态，-1不可执行，0可执行，>0可终止

volatile long state;

// 线程信息，在这里你可以到线程是从属于进程的

struct thread_info *thread_info;

// 进程描述符使用计数，表示该进程是否在被使用

atomic_t usage;

// 内核对每个进程的状态标识，如PF_FORKNOEXEC表示进程刚创建但未执行

unsigned long flags;

// 进程的调度策略，SCHED_FIFO和SCHED_RR为实时进程，SCHED_OTHER未分时进程

unsigned long policy;

// 进程标识符，代表一个进程

pid_t pid;

// 进程组标识符，代表该进程所属进程组别

pid_t __pgrp;

// 以下表示进程间的从属关系

struct task_struct *real_parent; /* real parent process (when being debugged) */

struct task_struct *parent;/* parent process */

struct list_head children;/* list of my children */

struct list_head sibling;/* linkage in my parent's children list */

struct task_struct *group_leader;/* threadgroup leader */

// 进程的CPU状态信息

struct thread_struct thread;

// 文件系统信息

struct fs_struct *fs;

// 该进程打开的文件信息

struct files_struct *files;

// namespace

struct namespace *namespace;

};

以上代码，取了进程的一些基本信息，如进程ID，然后你会发现线程是属于进程的，但是Linux的进程和线程有什么区别呢？首先是从属关系，然后进程和线程的本质区别是，进程占据单独的内存空间，包括全局静态区、文字常量区、堆区、栈区和代码区，而线程是单独占据一个栈区，所以多线程是处理多个栈区包括主线程栈区。

接着还有进程之间的关系，子进程和父进程等，这里就表明了一个应用程序是可以有多个进程的。

最后红色加粗的struct

files_struct *files这个结构体变量表示该进程所打开的文件信息，该文件在/include/linux/file.h中：

// 打开文件表结构

struct files_struct {

// 使用该表的进程数

atomic_t count;

spinlock_t file_lock; /* Protects all the below members. Nests inside tsk->alloc_lock */

int max_fds;

int max_fdset;

int next_fd;

// 当前文件描述符数组的指针，下面fd_array的指针

struct file ** fd;

fd_set *close_on_exec;

fd_set *open_fds;

fd_set close_on_exec_init;

fd_set open_fds_init;

// 一个文件结构体指针数组，表示文件描述符数组，保存打开的文件

struct file * fd_array[NR_OPEN_DEFAULT];

};

每个进程都有这个文件描述符表，我们操作的文件对象都在fd_array中，文件描述符就是这个数组的索引，发现这样称呼也不甚准确，如果称索引为文件描述符，那么文件对象称指针会好点，不过看懂了就不用纠结了。你可以发现函数read和write，或者socket中的send和recv等，这些都是使用文件描述符来进行操作的，如果不明白其中的原理，OOP编程入门的开发者可能会想：为什么传个int就可以进行网络传输了？

三、Linux文件原理分析

这里要注意，该文件描述符数组在进程创建的时候默按顺序认初始化3个文件句柄：stdin，stdout，stderr，用于标准输入，标准输出，标准错误输出。

到这里你可以知道，对文件操作的基本元素有：文件句柄/指针，和文件描述符(索引)，fdopen()函数可以将文件描述符转为文件指针，你可以想到的实现就是，根据索引从数组中获取到一个文件指针。

接着，我们需要扩展文件的概念，在linux中一切皆文件，这会很大程度上影响我们自己的编程想法，那么文件是什么样子的呢？看内核/include/linux/fs.h文件结构体的代码：

struct file {

struct list_headf_list;

// 目录结构

struct dentry*f_dentry;

struct vfsmount *f_vfsmnt;

// 文件操作，文件相关的函数操作，使用一个结构体封装函数指针

struct file_operations*f_op;

atomic_tf_count;

// 文件标志

unsigned int f_flags;

mode_tf_mode;

loff_tf_pos;

struct fown_structf_owner;

unsigned intf_uid, f_gid;

intf_error;

struct file_ra_statef_ra;

unsigned longf_version;

void*f_security;

/* needed for tty driver, and maybe others */

void*private_data;

/* Used by fs/eventpoll.c to link all the hooks to this file */

struct list_headf_ep_links;

spinlock_tf_ep_lock;

};

struct file和FILE是一样的，都代表一个文件，说了那么多，到底在Linux中具体哪些都是文件呢？

普通文件File，如一个txt文本，一个视频文件，一个字节码文件；

终端I/O，如字符终端；

管道Pipe，如普通管道和FIFO；

网络通信资源，套接字socket；

设备Device，网络设备，硬盘块设备，块设备。

以上都是我们常见的Linux文件，进一步我们可以将文件看作一种资源池，我们主要是对资源池中的数据进行读取，但是我们不说文件都是二进制表示所以说一切都是文件，基本是废话，二进制太广泛了，主要还是对数据结构和算法的理解，上面说的都是数据结构，实际相应的头文件中定义了相关操作。